基于遗忘曲线的协同过滤研究

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。