积分商城

最新搜索： mfc 解压缩软件 UCD3138 iar DY_mini80 V2 Smith
您现在的位置是：首页 > 技术资料 > 基于时间衰减的协同过滤推荐算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于时间衰减的协同过滤推荐算法

更新时间：2019-12-30 13:05:17 大小：2M 上传用户：zhiyao6查看TA发布的资源 标签：时间衰减 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对传统的协同过滤算法在计算相似度时未考虑时间因素的影响,导致推荐结果不准确的问题,本文提出将时间因素融入用户项目评分矩阵中,以解决兴趣衰减的问题。首先将遗忘曲线和记忆周期作为时间因素融入算法之中,将艾宾浩斯遗忘曲线用于指数函数拟合,从而获得时间与兴趣衰减的函数关系,以此用于优化用户项目的评分。并将改进的评分矩阵应用到基于项目的协同过滤推荐算法中进行推荐。在评分中加入记忆周期的影响,让目标用户对待预测的项目评分预测更为准确。实验结果表明,改进后的基于时间衰减协同过滤算法在准确性方面有显著的提高。


部分文件列表

文件名 大小
基于时间衰减的协同过滤推荐算法.pdf 2M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
第
卷
第
期
４
（
吉 林 大 学 学 报 工 学 版  
）
４７  
Ｖｏｌ．４７ Ｎｏ．４  
ꢀ ꢀ  
ꢀ
年
月
（
）
ＪｏｕｒｎａｌｏｆＪｉｌｉｎＵｎｉｖｅｒｓｉｔ Ｅｎｉｎｅｅｒｉｎ ａｎｄＴｅｃｈｎｏｌｏ Ｅｄｉｔｉｏｎ  
ꢀ ꢀ  
ｇｙ  
２０１７  
７
Ｊｕｌ ２０１７  
ꢀ ｙ  
ꢀ
ꢀ
ｙ
ｇ
ｇ
ꢀ
ꢀ
ꢀ
基于时间衰减的协同过滤推荐算法  
，
，
１２  
１２  
，
王越群 贺嘉楠 孙铭会  
１
，
１
，
３
，
李永丽  
董立岩  
（ ，  
吉林大学 计算机科学与技术学院 长春  
１．  
；
，
吉林大学 符号计算与知识工程教育部重点实验室  
１３００１２ ２．  
； ，  
东北师范大学 信息科学与技术学院 长春  
１３００１２３．  
）
１３０１１７  
长春  
： ，  
要 针对传统的协同过滤算法在计算相似度时未考虑时间因素的影响 导致推荐结果不准  
摘
ꢀ
， ， 。  
确的问题 本文提出将时间因素融入用户项目评分矩阵中 以解决兴趣衰减的问题 首先将遗  
， ，  
忘曲线和记忆周期作为时间因素融入算法之中 将艾宾浩斯遗忘曲线用于指数函数拟合 从而  
， 。  
获得时间与兴趣衰减的函数关系 以此用于优化用户项目的评分 并将改进的评分矩阵应用  
。 ，  
到基于项目的协同过滤推荐算法中进行推荐 在评分中加入记忆周期的影响 让目标用户对  
。 ，  
待预测的项目评分预测更为准确 实验结果表明 改进后的基于时间衰减协同过滤算法在准  
。
确性方面有显著的提高  
： ； ； ； ；  
关键词 计算机系统结构 协同过滤 推荐算法 时间衰减曲线 相似度  
：
：
Ａ
：
文章编号  
１６７１５４９７２０１７０４１２６８０５  
ꢀꢀ  
（
）
中图分类号  
文献标志码  
ＴＰ３９３  
ꢀꢀ  
－
－
－
：
／
ＤＯＩ１０．１３２２９ ．ｃｎｋｉ．ｄｘｂｘｂ２０１７０４０３６  
ｊ
ｊ
ｇ
Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎ ｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｏｒｉｔｈｍｂａｓｅｄｏｎｔｉｍｅｄｅｃａ  
ꢀ ꢀ  
ｙ
ꢀ
ꢀ
ꢀ
ꢀ
ｇ
ꢀ
ｇ
，
１２  
，
１２  
１
１
３
，
， ，  
ＷＡＮＧ Ｙｕｅ ｕｎ ＨＥＪｉａｎａｎ ＳＵＮ Ｍｉｎ ｈｕｉ ＬＩＹｏｎ ｌｉ  
ｑ ｇ ｇ  
ꢀ ꢀ － ꢀ － － ꢀ  
－
，
ＤＯＮＧＬｉ ａｎ  
ꢀ －  
ｙ
ꢀ ꢀ  
（
， ， ， ；  
ＪｉｌｉｎＵｎｉｖｅｒｓｉｔ Ｃｈａｎｃｈｕｎ１３００１２ Ｃｈｉｎａ ２．Ｋｅ Ｌａｂｏｒａｔｏｒ ｏ Ｓ ｍｂｏｌ  
ꢀ ꢀ  
ｙ ｇ ｙ ｙ ｆ ｙ  
ꢀ ꢀ ꢀ  
１．Ｃｏｌｌｅｅｏ Ｃｏｍ ｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏ  
ꢀ ꢀ ꢀ ꢀ  
ｇ ｆ  
ｐ
ｇｙ  
ꢀ
， ， ；  
Ｃｏｍ ｕｔａｔｉｏｎａｎｄ Ｋｎｏｗｌｅｄｅ Ｅｎｉｎｅｅｒｉｎ ｏ Ｍｉｎｉｓｔｒ ｏ Ｅｄｕｃａｔｉｏｎ Ｊｉｌｉｎ Ｕｎｉｖｅｒｓｉｔ Ｃｈａｎｃｈｕｎ １３００１２ ３．Ｓｃｈｏｏｌｏ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｆ
ｐ
ｇ
ｇ
ｇ ｆ  
ꢀ
ｙ ｆ  
ꢀ ꢀ  
ｙ
ｇ
ꢀ
，
， ，  
ＮｏｒｔｈｅａｓｔＮｏｒｍａｌＵｎｉｖｅｒｓｉｔ Ｃｈａｎｃｈｕｎ１３０１１７Ｃｈｉｎａ  
ꢀ
）
Ｃｏｍ ｕｔｅｒＳｃｉｅｎｃｅａｎｄＩｎｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏ  
ꢀ ꢀ ꢀ ꢀ  
ｐ
ꢀ
ｆ
ｇｙ  
ｙ
ｇ
：
ＡｂｓｔｒａｃｔＳｉｎｃｅｔｉｍｅｆａｃｔｏｒｉｓｎｏｔｃｏｎｓｉｄｅｒｅｄｉｎｃａｌｃｕｌａｔｉｎ ｓｃｏｒｅ ｍａｔｒｉｘｉｎｔｒａｄｉｔｉｏｎａｌｃｏｌｌａｂｏｒａｔｉｖｅ  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ｇ
ꢀ
ꢀ
ꢀ
，
ｇ
，
ｆｉｌｔｅｒｉｎ ｔｈｅａｃｃｕｒａｃ ｆｏｒｒｅｃｏｍｍｅｎｄａｔｉｏｎｉｓｌｉｍｉｔｅｄ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｉｓ ｒｏｂｌｅｍ ｗｅ ｒｏｏｓｅａ  
ꢀ ꢀ ꢀ ꢀ ꢀｐ ꢀｐ ｐ  
ꢀ
ｙ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
， ，  
ｍｅｔｈｏｄ ｗｈｉｃｈｉｎｔｅｒａｔｅｓｔｈｅｔｉｍｅｆａｃｔｏｒｉｎｔｏｔｈｅｕｓｅｒｓｃｏｒｅ ｍａｔｒｉｘ．Ｉｎｔｈｉｓ ｍｅｔｈｏｄ ｆｉｒｓｔｔｈｅ  
ꢀ
ꢀ
ｇ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｆｏｒｅｔｔｉｎ ｃｕｒｖｅａｎｄｔｈｅｍｅｍｏｒ ｅｒｉｏｄａｒｅｉｎｃｏｒｏｒａｔｅｄｉｎｔｏｔｈｅａｌｏｒｉｔｈｍａｓｔｈｅｔｉｍｅｆａｃｔｏｒ．Ｔｈｅｎ  
ｙｐ  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ｇ ꢀ ꢀ  
ｇ
ｇ
ꢀ
ｐ
ꢀ
ꢀ
ꢀ
Ｅｂｂｉｎｈａｕｓｆｏｒｅｔｔｉｎ ｃｕｒｖｅｉｓｆｉｔｔｅｄ ｗｉｔｈ ｏｔｅｎｔｉａｌｆｕｎｃｔｉｏｎ．Ｔｈｉｓ ｗａ ｃａｎ ｅｔ ｍｏｒｅ ｃｏｒｒｅｃｔ  
ꢀ ꢀ ꢀ ꢀ ꢀｐ ꢀ ꢀ ꢀｇ ꢀ ꢀ  
ｇ
ｇ
ｇ
ꢀ
ｙ
ꢀ
ｃｏｒｒｅｌａｔｉｏｎｆｕｎｃｔｉｏｎｂｅｔｗｅｅｎｔｉｍｅａｎｄｉｎｔｅｒｅｓｔｄｅｃａ ．Ｆｉｎａｌｌ ａｌｌｔｈｅｒｅｓｕｌｔｓａｒｅｉｍ ｏｒｔｅｄｉｎｔｏｔｈｅｕｓｅｒ  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ｐ ꢀ ꢀ  
ꢀ
ꢀ
ｙ
ｙ
ꢀ
ꢀ
，
ｓｃｏｒｅｍａｔｒｉｘ ａｎｄｔｈｅｎｔｈｅｍａｔｒｉｘｉｓａ ｌｉｅｄｉｎｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎ ｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｏｒｉｔｈｍ．Ｔｈｅ  
ꢀ ꢀｐｐ ꢀ ꢀ ꢀ ｇ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｇ
ꢀ
，
，
ｆａｃｔｏｒｓ ｗｈｉｃｈａｄｄｔｈｅｍｅｍｏｒ ｃｃｌｅｔｏｔｈｅｓｃｏｒｅ ｍａｋｅｔｈｅｔａｒｅｔｕｓｅｒ ｒｅｄｉｃｔｔｈｅ ｒｅｄｉｃｔｅｄ ｒｏｅｃｔ  
ｙ ｙ ꢀ ꢀ  
ꢀ ｇ ꢀ ꢀｐ ꢀｐ ꢀｐ ｊ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｓｃｏｒｅｍｏｒｅａｃｃｕｒａｔｅｌ ．Ｔｈｅｅｘｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｒｅｓｕｌｔｓｏｂｔａｉｎｅｄｗｉｔｈｔｈｅ ｒｏｏｓｅｄｍｅｔｈｏｄａｒｅ  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀｐ ｐ  
ꢀ
ꢀ
ｙ
ꢀ ｐ  
ꢀ
ꢀ
ꢀ
ꢀ
ｍｕｃｈｍｏｒｅａｃｃｕｒａｔｅｔｈａｎｔｈａｔｏｆｔｈｅｏｒｉｉｎａｌｏｎｅ．  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ｇ ꢀ  
： ； （ ）；  
Ｋｅ ｗｏｒｄｓｃｏｍ ｕｔｅｒｓｓｔｅｍｓｏｒａｎｉｚａｔｉｏｎ ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎ ＣＦ ｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｏｒｉｔｈｍ  
ꢀ ｇ  
；
ｐ
ꢀｙ  
ꢀ
ｇ
ꢀ ｇ  
ｙ
ꢀ
；
ｔｉｍｅｄｅｃａ ｃｕｒｖｅ ａｃｃｕｒａｃ  
ｙ
ꢀ
ｙ
ꢀ
：
收稿日期  
２０１６１２３０．  
－ －  
：
基金项目 国家自然科学基金项目  
（ ， ）  
６１２７２２０９ ６１３００１４５ ．  
：
作者简介 董立岩  
（
）， ， ， ：  
男 教授 博士生导师 研究方向 数据挖掘  
．
：
．Ｅ ｍａｉｌｄｏｎｌ ｌｕ．ｅｄｕ．ｃｎ  
ｇｙ＠ｊ  
１９６６  
－
－
：
通信作者 孙铭会  
（
）， ， ， ： ，  
男 讲师 博士 研究方向 人机交互 数据挖掘  
．
：
．Ｅ ｍａｉｌｓｍｈ ｌｕ．ｅｄｕ．ｃｎ  
＠ｊ  
１９８３  
－
－
·
·
， ：  
董立岩 等 基于时间衰减的协同过滤推荐算法  
１２６９  
第
期
４
［
］
１０  
。
慢慢减弱  
本文对算法的改进加入了记忆周  
引 言  
ꢀ ꢀ  
０
［
］
１１  
，
， ，  
期
在遗忘过程中 如果重复某个记忆 则会加  
。
推荐系统在电子商务领域占据着十分重要的  
深这个记忆并达到很久都不能遗忘的状态  
艾宾浩斯遗忘曲线拟合  
１．１  
ꢀ
， 。  
角色 它能够很好地处理信息过载的问题 目前  
，
，
包 对艾宾浩  
Ｐｔｈｏｎ ｍａｔｌｏｔｌｉｂ  
推荐系统已经被不同程度的应用在各个大型的电  
本文通过  
的
ｙ
ｐ
［］  
１
。
，
推荐系统的应用价值很高 好的推  
， ，  
斯遗忘曲线进行拟合 输入曲线数据 即天数和记  
商系统中  
，
荐系统能够为商家带来高额的商业利润 而推荐  
， ， ，  
忆量 观察形状 可以用指数函数进行拟合 结果  
。
系统的核心 便是 推荐 算法 推 荐算 法涉及到 数  
。
如图 所示  
１
、 、 、 、  
学 人工智能 市场营销 认知 管理等多个学科的  
，
知识 推荐算法已经成为计算机领域具有挑战性  
［］  
２
。
的研究课题之一  
协同过滤 的推荐 算法 主要是 通 过 相 似 度 计  
， ，  
算 寻找与目标用户相似度最高的用户 将用户感  
兴趣的内容或相似度较高的其他内容推荐给最终  
［］  
３
。
用户  
项目自身的很多特征 基于内容的推荐算法通过  
对用户和项目自身特征的充分分析和合理利用来  
基于协同过滤的推荐方法忽略了用户和  
，
。
获得更加理想的推荐效果 基于图结构的推荐算  
图
曲线拟合图  
１ Ｐｔｈｏｎ  
ꢀ
ｙ
，
法是将用户－项目矩阵抽象为一个二部图 将用户  
Ｆｉ．１ Ｐｔｈｏｎｃｕｒｖｅｆｉｔｔｉｎ  
ꢀ
ｇ
ꢀ
ꢀ
ｇ
ｙ
，
和项目分别用节点表示 用户对项目的评分用图  
：
最终的艾宾浩斯遗忘曲线的拟合公式为  
４
－
０．１２ １０ ｘ  
×
０．０４４５ｘ  
－
－
， ，  
中的边表示 结合资源分配的思想 通过对该图的  
（）  
１
Ｗｔ ６８．２ｅ  
＝
３３．２ｅ  
＋
。
计算来为目标用户做推荐 混合推荐算法则是对  
（）  
为时间 与兴趣程度  
１
。
的一个映射关系  
Ｗｔ  
式
ｘ
。
以上几种推荐算法的组合  
Ｔｍａ  
Ｔ
ｕｉ  
－
ｘ
（）  
２
Ｘ
＝
［］  
４
汪静等 提出了融入共同评分及相似性权重  
６０  
［］  
５
：
，
表示了用户 对项目 评分的时间 因  
ｉ
式中  
。
Ｃｈｏｉ  
，
提出在对项目的评分时  
Ｔ
ｕ
的推荐算法  
等
ｕｉ  
，
为在拟合的艾宾浩斯指数曲线中 单位  
。
ｍｉｎ  
将共同评分及待预测物品的相似性作为权重融入  
［］  
６
。
协同过滤推荐算法 朱思丞等 提出将时间因素  
（）（），  
获得用户兴趣随时间变化的  
１ ２  
结合式  
：
函数  
，
作为影响因子融入算法中 使用户的兴趣具有时  
Ｔ
ｍａ  
×
Ｔ
－
ｕｉ  
Ｔ
Ｔ
－
ｍａｘ  
ｘ
４
－
×
ｕｉ  
。
效性  
０．０４４５  
－
０．１２ １０  
－ ×  
６０  
６０  
Ｗｔ ６８．２ｅ  
＝
３３．２ｅ  
＋
，
本文在传统协同过滤算法基础上 引入时间  
（）  
３
，
影响因素 将艾宾浩斯遗忘曲线作为时间函数融  
相似度计算  
１．２  
ꢀ
， ，  
入改进的算法之中 并增加记忆周期影响因子 使  
本文采用余弦相似性及皮尔森相关系数来判  
。
得项目的评分预测更为精确  
，
断两个项目之间的相似度 采用传统算法计算相  
。
似度的平均绝对偏差如图 所示  
２
基于时间衰减的协同过滤算法  
１
ꢀ
，
通过以上实验对比结果可知 采用皮尔森相  
由于传统的算法没有考虑用户的兴趣与时间  
，
关系数方法计算平均绝对偏差更理想 相似度的  
，
的关系 这样会导致推荐系统的推荐结果有很大的  
。
计算结果更好  
皮尔森相关系数的改进公式为  
［］  
７
。
，
因为人们的兴趣会随着年龄的增长 环境  
偏差  
：
， ，  
的转变而有所变化 兴趣并不是一成不变 影响兴  
（ ，）  
ｙ
ｓｉｍ ｘ  
＝
，
趣的因素过多 时间是最重要的影响因素之一  
。
在
（
Ｒ
，
ｘｓ  
）
×
（
Ｒ
，
×
ｓ
ｙ
）
Ｒ
ｙ
Ｗｔ  
Ｒ
Ｗｔ  
－
＊
－
ｘ
∑
，
Ｓ Ｓｘ  
∈
ｙ
［，］ ，  
中 把时间作为因变量融合到算法中  
８９  
。
文献  
２
２
（
Ｒ
，
ｘｓ  
）
（
Ｒ
，
×
ｓ
ｙ
）
Ｒ
ｙ
本文把反映人们遗忘规律的艾宾浩斯遗忘曲  
Ｗｔ  
Ｒ
Ｗｔ  
－
×
－
ｘ
∑
∑
，
ｘ
ｙ
，
Ｓ Ｓｘ  
∈
ｙ
槡
Ｓ
∈
槡
Ｓ
，
线融入到算法当中 进而改善协同规律算法  
。
遗
（）  
４
忘曲线表示人们的爱好或者记忆随着时间节点会  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号