基于時間段圖模型的用戶行為分段與興趣建模研究.pdf

1、在當(dāng)前社會，推薦系統(tǒng)已經(jīng)取得了廣泛的應(yīng)用，從小型社區(qū)到大型電子商務(wù)網(wǎng)站，推薦系統(tǒng)無疑在扮演著十分重要的角色。
　　如何計算用戶對一個物品的感興趣程度在推薦系統(tǒng)領(lǐng)域是一個至關(guān)重要的問題。對用戶興趣的預(yù)測越準(zhǔn)確，推薦算法的準(zhǔn)確度就越高。然而用戶的興趣是動態(tài)變化的，在不同的時間，用戶的興趣會有不同，這給推薦系統(tǒng)帶來了極大的挑戰(zhàn)。因此，在對用戶的興趣進(jìn)行建模時，如何把時間因素考慮在內(nèi)顯得尤為重要。時間段圖模型通過在用戶物品二分圖中增加一個

2、新的結(jié)點(diǎn)類型，即時間段結(jié)點(diǎn)來引入時間信息。但是時間段圖模型中采用了固定時間窗口進(jìn)行時間段劃分的方式，很難對所有用戶都劃分出在時間上比較聚集的行為記錄，且時間段圖模型沒有考慮到興趣會隨著時間衰減。
　　基于此，本文提出了基于貪心策略的時間段劃分方法，并且提出了基于物品時間段二分圖的興趣衰減模型，本文的主要研究工作如下:
　　1)研究了時間信息在圖模型中的表示，提出并實(shí)現(xiàn)了一個基于貪心策略的時間段劃分方法，相比于采用固定時間窗口

3、進(jìn)行時間段劃分的方法，該方法能夠更好地適應(yīng)不同用戶具有不同的行為密度的情況。
　　2)研究了圖模型中的用戶興趣建模與推薦，提出并實(shí)現(xiàn)了基于物品時間段二分圖的興趣衰減模型IDSSTG和GIDSSTG。相比于時間段圖模型，該模型考慮到了興趣隨時間衰減的情況，且減少了圖的結(jié)點(diǎn)數(shù)和邊的個數(shù)，提高了推薦算法的時間效率。
　　3)在前面兩步的基礎(chǔ)上，實(shí)現(xiàn)了物品時間段二分圖上的興趣衰減模型、基于用戶的協(xié)同過濾和時間段圖模型等多種推薦方法，