基于遺忘曲線的推薦算法研究.pdf

1、隨著信息技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們進(jìn)入“信息爆炸”的時(shí)代，面對(duì)海量信息，用戶不知道如何將自己感興趣信息從這海量的信息中提取出來，搜索引擎已經(jīng)不能滿足人們的需要，推薦系統(tǒng)成為解決這一需要的重要方式。而協(xié)同過濾因?yàn)槠渌惴ê?jiǎn)單，又能夠處理復(fù)雜的問題并產(chǎn)生比較良好的效果而被人們廣泛應(yīng)用，也成為了推薦系統(tǒng)中最成功的技術(shù)。然而用戶的興趣是時(shí)刻變化的，且對(duì)于新用戶系統(tǒng)無法預(yù)測(cè)用戶的偏好，原始的推薦技術(shù)并沒有滿足這些需求，而本文就是致力于這方面問題的

2、解決。
　　首先，本文提出了基于艾賓浩斯遺忘曲線的用戶推薦算法，由于人的興趣是不斷變化的，而這種變化是自然遺忘的過程，也就符合遺忘曲線，所以用遺忘函數(shù)模擬人的興趣變化。由于時(shí)間對(duì)評(píng)分的起著很重要的作用，在使用相似度算法時(shí)加入了時(shí)間因子，對(duì)用戶的原始評(píng)分進(jìn)行衰減，以此來反應(yīng)用戶的興趣變化。然后為本文提出的算法設(shè)計(jì)了兩組實(shí)驗(yàn)來驗(yàn)證算法的有效性。通過兩組實(shí)驗(yàn)的結(jié)果證明，總體上來講，本文提出的基于遺忘曲線的相似度的計(jì)算方法比傳統(tǒng)的算法要好

3、一些。那么在推薦系統(tǒng)中，結(jié)合自然規(guī)律，通過運(yùn)用艾氏遺忘曲線所表述的遺忘的規(guī)律來反應(yīng)用戶興趣的變化，對(duì)用戶評(píng)分進(jìn)行衰減，可以明顯的提高系統(tǒng)預(yù)測(cè)的準(zhǔn)確度。這也表明，在推薦系統(tǒng)中，人的認(rèn)知規(guī)律可以發(fā)揮很重要的作用。
　　其次，基于以上的內(nèi)容，本文針對(duì)推薦系統(tǒng)中冷啟動(dòng)問題又做了詳細(xì)的研究，分析和比較了前輩們提出的各種解決冷啟動(dòng)問題的算法，明確每個(gè)算法的優(yōu)點(diǎn)和不足;同時(shí)介紹了通過交叉推薦引起的思考，由于人生活在社會(huì)中，不同的人有不同的社交圈

4、，而目標(biāo)用戶社交圈中的人的偏好在某種程度上可以反映目標(biāo)用戶的偏好，基于這種思想，結(jié)合Sahebi提出的算法，將遺忘曲線的思想加入進(jìn)去，提出了在多維網(wǎng)絡(luò)中基于用戶社區(qū)劃分來解決冷啟動(dòng)的方案。通過清空數(shù)據(jù)集中用戶的書評(píng)來模擬系統(tǒng)中的冷啟動(dòng)問題，在能克服冷啟動(dòng)問題的情況下，用社區(qū)群體的興趣漂移來預(yù)測(cè)用戶對(duì)圖書的評(píng)分。對(duì)于本文在實(shí)驗(yàn)部分將此方案與傳統(tǒng)的協(xié)同過濾推薦算法進(jìn)行了對(duì)比。實(shí)驗(yàn)證明，在鄰居數(shù)不斷增加的條件下，前者預(yù)測(cè)的準(zhǔn)確度要優(yōu)于后者，也