基于時間因素影響的矩陣分解算法的研究.pdf

1、現(xiàn)代網(wǎng)絡(luò)技術(shù)水平的提高帶來了信息過載的問題，用戶很難從巨大的信息中找到用戶需要的內(nèi)容。為了解決這個問題，推薦系統(tǒng)被提出并延伸出了諸多改進。這其中就包括緩解了數(shù)據(jù)稀疏性問題的矩陣分解模型以及諸多改進模型等。它們能從用戶的行為數(shù)據(jù)中挖掘出用戶的行為規(guī)律，從而給用戶更準確地推薦結(jié)果。
　　然而，矩陣分解技術(shù)也存在著一些問題。其中一個問題便是它只關(guān)注用戶的行為數(shù)據(jù)，并沒有從時間的角度來考慮用戶的興趣變化。雖然有通過融入時間因素改進矩陣分解

2、的算法，但是它們所用的時間規(guī)律并沒有從真實的用戶行為數(shù)據(jù)中提取。本文從給矩陣分解模型增加時間因素出發(fā)。首先，調(diào)查統(tǒng)計了大量的真實用戶行為數(shù)據(jù)，得出了用戶興趣度和物品流行度在時間上所具有的規(guī)律。然后對統(tǒng)計所得的結(jié)果進行回歸分析，通過分析時間因素以怎樣的規(guī)律影響用戶興趣和物品流行度，進而擬合出相應(yīng)的曲線。然后將物品流行度的時間曲線和用戶興趣度的時間曲線分別與基于偏置的矩陣分解模型相融合，并分析在時間因素影響下用戶和物品偏置對推薦結(jié)果的影響。