基于時間因子的動態(tài)推薦算法研究.pdf

1、信息推薦作為解決信息過載的重要手段之一,得到了廣泛的研究和應(yīng)用。但當(dāng)前推薦系統(tǒng)在動態(tài)特征方面研究不足卻制約著它的發(fā)展。傳統(tǒng)的推薦系統(tǒng)研究是基于用戶和物品之間的關(guān)系,通過分析用戶的歷史行為或評價數(shù)據(jù)來預(yù)測用戶對物品的興趣大小,忽視了時間因子在模型中的重要作用。而現(xiàn)有的動態(tài)推薦系統(tǒng)的研究,僅考慮了單方面的時間因素,使得時間信息對推薦系統(tǒng)的作用沒有充分發(fā)揮出來。
　　綜上所述,本文針對現(xiàn)有推薦系統(tǒng)忽略了時間因子對推薦結(jié)果的影響,導(dǎo)致推薦

2、結(jié)果準(zhǔn)確率不高的問題,以含有時間信息的數(shù)據(jù)集為基礎(chǔ),進(jìn)行了一定的研究。主要工作包括如下幾個方面:
　　首先,本文總結(jié)分析出時間因素可以分解為三大方面:物品時間屬性、用戶興趣時間屬性和時間熱點(diǎn)效應(yīng),在文中第三章進(jìn)行了詳細(xì)的分解和說明。在推薦過程中,要綜合考慮三方面帶來的作用和效應(yīng),使得最終的推薦結(jié)果更加合理和有效。
　　其次,結(jié)合第三章中對時間因素的具體分析,在現(xiàn)有融合了單時間因素的圖模式基礎(chǔ)上,提出了預(yù)測用戶興趣的時刻圖模型

3、(TGM),并應(yīng)用在TOP-N推薦問題上,即給用戶推薦N個其可能感興趣的物品。該模型TGM以用戶物品二分圖為基礎(chǔ),通過引入物品時刻節(jié)點(diǎn)、用戶時刻節(jié)點(diǎn)和時間熱點(diǎn)效應(yīng)物品節(jié)點(diǎn)來反映時間因子對推薦過程的影響,建立了用戶興趣預(yù)測的圖模型,從而把度量用戶對物品的興趣值問題轉(zhuǎn)換為計算圖中節(jié)點(diǎn)之間相似度大小的問題。在該圖模型中,利用路徑融合算法計算圖中用戶節(jié)點(diǎn)與物品節(jié)點(diǎn)之間的相似度,從而實(shí)現(xiàn)了預(yù)測用戶對物品興趣大小的目的。
　　最后,本文采用含