協同過濾推薦算法的動態(tài)性研究.pdf

1、互聯網的迅速發(fā)展為人們生活帶來便利，然而迅速增長的信息也讓人們無所適從，想要從海量信息中發(fā)現對自己有用的信息需要花費大量時間成本。搜索引擎可以幫助人們快速檢索需要的信息，但是很多情況下用戶對信息了解不夠很難選擇合適的搜索關鍵字。推薦系統(tǒng)的出現改變了這一現狀，推薦系統(tǒng)根據用戶歷史數據，利用各種推薦算法計算用戶偏好，主動向用戶推送可能感興趣的信息和商品，有效減少了用戶搜索成本，帶來更好的用戶體驗。
　　協同過濾是目前推薦系統(tǒng)中使用最多

2、的推薦算法，它根據用戶的歷史評分記錄尋找相似的用戶或者相似的物品，用這些臨近用戶或物品來預測用戶評分。盡管協同過濾取得了很大成功，但是仍然面臨諸多問題，例如冷啟動、數據稀疏性、用戶興趣變化等。本文總結了推薦系統(tǒng)中常見的動態(tài)性因素，并闡述了已有解決動態(tài)性的方案。最后借鑒已有解決方案的思路成功解決了概率隱語義協同推薦算法無法處理用戶興趣變化的問題。
　　概率隱語義算法是一種基于語義的協同推薦算法，通過構造一個隱含變量來將用戶興趣和物品