基于用户兴趣变化的协同过滤技术的研究.pdf

《基于用户兴趣变化的协同过滤技术的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、应用技术与研究学术探讨{'：：：：_二．：：：：：：：：：．：=：：：：：：：：=：：：：：：：：=：一i：：：：20l2笨第3期}基于用户兴趣变化的协同过滤技术的研究路晓亚宋秋丽(1．商丘工学院信息工程学院，河南商丘476000；2．商丘工学院机电工程学院，河南商丘476000)[摘要]传统的协同过滤算法中忽视了用户的兴趣变化，一定程度上影响了推荐质量，因此本文引入了基于时间的数据权重，在此基础上研究了基于用户兴趣变化的协同过滤技术。实验表明基于用户兴趣变化的协同过滤技术能够及时发现用户的兴趣变化，提高系统的推荐质量。[关键词]推荐技术；兴趣变化；协同过滤；基

2、于时间的数据权重没有用户访问商品的行为和时间之间的联系，它只是片面地1．引言使用访问矩阵R进行商品推荐计算。从而导致系统无法及协同过滤系统是现在应用最广泛的电子商务推荐系统时反映出用户的兴趣变化，用户可能对系统推荐的商品信息之一，它可以预测一个用户是不是喜欢一些特定的商品，或没有一点兴趣。为了更好地使系统推荐的商品符合用户的需者预判用户兴趣度最高的几件商品。该系统能够依照用户求，我们就必须引入兴趣度。我们可以采取一种数据加权策兴趣的相似性来推荐相关商品，把和用户兴趣相似的其它略将基于用户访问时间的数据权重引入到基于用户的协同商品信息提供给用户。其优点在于不用考虑

3、商品信息的表过滤算法的推荐过程中，以解决传统协同过滤算法无法根据示形式，而且能为用户提供新的感兴趣的商品信息。缺点是用户兴趣变化来推荐商品的不足。不能表现出的用户兴趣变化，如不同年龄阶段、性别、知识3．适应用户兴趣变化的协同过滤推荐算法层次的人兴趣可能完全相反，属于不同的类别。为了解决以3．1基于时间的数据权重上问题本文改进了协同过滤的推荐算法，提出了基于用户目前广泛使用的协同过滤算法在统计计算推荐商品的访问时间的数据权重。将其引入算法的生成推荐过程中，可过程中对所有用户访问过的资源采用相同的推荐度，很明显以更加准确地反映用户的兴趣变化，从而提高推荐质量。这种简

4、单的处理方式是不妥的。相对而言，在推荐用户有可2．协同过滤算法简介能会感兴趣的商品时该用户最近访问过的商品对推荐系统2．1协同过滤推荐算法的意义更为重要，而用户相对较早的访问商品信息对计算推在基于用户的协同过滤推荐系统中，输入数据一般使荐产生的作用相对较小。由此可见用户对商品的兴趣变化是用一个m*n的信息访问矩阵R来描述。其中m表示用户信随着时间的变化而在动态地发生改变，但是在一个相对较短息，n表示商品信息，，是用户i对商品n进行过查看，R．的的时间段内用户的兴趣基本上是一致的且时间和现在越接值表示用户是否浏览过该商品，1代表浏览，0代表未浏览。近兴趣相似性越高

5、。为了体现最近查看资源在推荐商品过程例如图书推荐系统中，可由读者查询数据产生阅读矩阵，中的重要作用，我们设置了基于用户访问时间的权重。Ri=l表示读者i浏览过书籍J。我们假定D用来表示用户U访问商品i的时间与其最基于用户的协同过滤算法的基本原理是利用用户访问先访问该商品的时间间隔，设基于时间的数据权重为WT过程的相似性来推荐用户可能需要的商品信息。设定有一(u，i)，它用来表示商品i对用户U的权重，该权重值的变化用户u，推荐系统首先会查看该用户以前的访问记录和相似应该随D的变化而变化。用户近期访问过的商品对推荐内度函数，搜索出与它动作最相近的n个用户为该用户的最

6、容有非常密切的关系，因此wT(u，i)必须定义为D相关的近用户集，归纳该用户的近邻用户曾经访问过但其却没有递增函数，即如果D>D，那么(u，i)2岍(u，j)。基访问过的商品信息，生成待选推荐集，计算其中每个资源对于时间的权重函数如下所示：用户的推荐度，根据需要按推荐度的高低选择前N个信息nWTI1=(1一a)十a(1)作为用户的Top．N推荐集。2．2现有算法的不足该权重函数是一个随D递增的线形函数，其中表示传统的协同过滤算法最大的缺陷在于没有关注用户兴用户访问信息商品的时间间隔，即对于某一商品信息用户U趣是在不断地发生变化，而片面地强调用户问访问行为的最早访

7、问时间和最近访问时间的长度，其中a是权重的增长相似性。在实际应用中，在不同的时间段内用户对商品信息指数，其取值范围是0到1之间，a的值大小用来表示wT的需求是大不相同的，而基于用户的协同过滤算法却从来(u，i)随访问时间变化的速度快慢。a的值越大代表wT(u，作者简介：路晓亚，女，河南商丘人，学士，助教，研究方向：软件开发。一51—学术探讨应用技术与研究0一～一一一一：一一一．：：：一一．：：：：一一一：．：i2(tl2筚第3期i)增长速度越快，a的值和算法的性能息息相关。在某一个具我们采用了平均绝对偏差MAE来评价推荐系统的推体的推荐系统中，我们需要根据实际情

8、况实时改变a的大小荐质量