基于遗忘曲线的协同过滤研究

摘要：

随着信息技术和互联网技术的发展，推荐系统成为解决信息过载的重要方式。而协同过滤因为其算法简单，又能够处理复杂的问题并产生比较良好的效果而被人们广泛应用，也成为了推荐系统中最成功的技术。然而用户的兴趣是时刻变化的，且对于新用户系统无法预测用户的偏好。因此为了解决这一问题，对艾宾浩斯遗忘曲线和推荐算法进行了研究，发现由于人的兴趣是不断变化的，而这种变化是自然遗忘的过程，也就符合遗忘曲线，所以用遗忘函数模拟人的兴趣变化。由于时间对评分的起着很重要的作用，在使用相似度算法时加入了时间因子，对用户的原始评分进行衰减，以此来反应用户的兴趣变化。然后为此算法设计了两组实验来验证算法的有效性。通过两组实验的结果证明，总体上来讲，基于遗忘曲线的相似度的计算方法比传统的算法要好一些。

关键词：推荐系统、协同过滤、遗忘曲线、兴趣变化

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2014-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2757-2762