基于時(shí)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(gè)問題，推薦系統(tǒng)被提出并延伸出了諸多改進(jìn)。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(jìn)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(zhǔn)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(gè)問題便是它只關(guān)注用戶的行為數(shù)據(jù)，并沒有從時(shí)間的角度來考慮用戶的興趣變化。雖然有通過融入時(shí)間因素改進(jìn)矩陣分解

2、的算法，但是它們所用的時(shí)間規(guī)律并沒有從真實(shí)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(shí)間因素出發(fā)。首先，調(diào)查統(tǒng)計(jì)了大量的真實(shí)用戶行為數(shù)據(jù)，得出了用戶興趣度和物品流行度在時(shí)間上所具有的規(guī)律。然后對(duì)統(tǒng)計(jì)所得的結(jié)果進(jìn)行回歸分析，通過分析時(shí)間因素以怎樣的規(guī)律影響用戶興趣和物品流行度，進(jìn)而擬合出相應(yīng)的曲線。然后將物品流行度的時(shí)間曲線和用戶興趣度的時(shí)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(shí)間因素影響下用戶和物品偏置對(duì)推薦結(jié)果的影響。