计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
23期
63-66
,共4页
杨福萍%王洪国%董树霞%赵学臣
楊福萍%王洪國%董樹霞%趙學臣
양복평%왕홍국%동수하%조학신
协同过滤%记忆效应%记忆元%兴趣偏好%个性化推荐
協同過濾%記憶效應%記憶元%興趣偏好%箇性化推薦
협동과려%기억효응%기억원%흥취편호%개성화추천
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.
針對傳統協同過濾算法無法及時反映用戶興趣變化的情況,將人腦的記憶和遺忘特性引入到箇性化推薦中,提齣基于記憶效應的協同過濾推薦算法.利用短時記憶體現用戶近期興趣變化,應用長時記憶彊調用戶早期興趣的重要性,給齣將短時記憶和長時記憶相結閤的調和記憶,使推薦繫統可以自適應地跟蹤用戶興趣變化.實驗結果錶明,與CF算法、SCF算法和AUICF算法相比,該算法的推薦精度更高、收斂速度更快.
침대전통협동과려산법무법급시반영용호흥취변화적정황,장인뇌적기억화유망특성인입도개성화추천중,제출기우기억효응적협동과려추천산법.이용단시기억체현용호근기흥취변화,응용장시기억강조용호조기흥취적중요성,급출장단시기억화장시기억상결합적조화기억,사추천계통가이자괄응지근종용호흥취변화.실험결과표명,여CF산법、SCF산법화AUICF산법상비,해산법적추천정도경고、수렴속도경쾌.
