论文部分内容阅读
如今的互联网充斥着海量的信息和数据。对于一个用户来说，要人工地从这些海量信息中过滤出自己感兴趣的内容是不可能完成的任务。为了解决这种问题，推荐系统应运而生。推荐系统能够通过分析用户的喜好向其推荐感兴趣的内容。为了使推荐更加准确，推荐系统需要建立一个兴趣模型来学习用户的偏好或者称为用户特征。一般而言，一个兴趣模型需要解决以下几个问题：1）以何种方式表示用户的兴趣；2）如何精确地描绘用户兴趣的演化，包括原有兴趣的淡化，新兴趣的产生，对长期和短期兴趣的区分等等；3）如何有效地利用用户的反馈来更新用户的兴趣。本论文旨在构建一个兴趣模型，并尝试解决上述问题。本论文的研究成果主要包含两个方面：一是建立了一个基于多重特征向量的兴趣模型；二是改进了Rocchio算法用以更新用户特征。我们在MovieLens数据集上进行了实验。实验结果验证了我们构建的兴趣模型的有效性和实用性。