基于分页缓存模型的用户兴趣跟踪方法

摘要：

对智能推荐系统中用户兴趣跟踪问题的研究,传统方法如时间窗口、遗忘函数等在表征用户兴趣模型时均未考虑兴趣主题概念相关性,无法充分利用用户历史数据,导致兴趣跟踪不准确.因此,本文提出了基于分页缓存的用户兴趣表征模型,形成基于主题的用户多兴趣域结构,并提出了相应的兴趣迁移检测SIM算法,该算法引入序列熵差,表征兴趣迁移的整体特性.实验表明,与传统方法相比,本文提出的方法具有更低的兴趣平均绝对偏差,能够更准确地表征用户兴趣迁移,从而获得更好的推荐质量和效率.

关键词：分页缓存、兴趣迁移、序列熵差、兴趣更新

所属期刊栏目：34

分类号：TP399(计算技术、计算机技术)

资助基金：国家973计划资助项目2007CB310806;NOKIA校企合作项目

在线出版日期：2012-11-30（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：32-37