基于记忆效应的协同过滤推荐算法

摘要：

针对传统协同过滤算法无法及时反映用户兴趣变化的情况,将人脑的记忆和遗忘特性引入到个性化推荐中,提出基于记忆效应的协同过滤推荐算法.利用短时记忆体现用户近期兴趣变化,应用长时记忆强调用户早期兴趣的重要性,给出将短时记忆和长时记忆相结合的调和记忆,使推荐系统可以自适应地跟踪用户兴趣变化.实验结果表明,与CF算法、SCF算法和AUICF算法相比,该算法的推荐精度更高、收敛速度更快.

关键词：协同过滤、记忆效应、记忆元、兴趣偏好、个性化推荐

所属期刊栏目：38

分类号：TP18(自动化基础理论)

资助基金：山东省自然科学基金资助项目ZR2011FQ029,ZR2011FL026;山东省科技发展计划基金资助项目2011YD01099

在线出版日期：2013-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：63-66