基于分页缓存模型的用户兴趣跟踪方法

• 作者: 张宇博 成鹏 李志浩 聂文汇 阳智敏
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 分页缓存 兴趣迁移 序列熵差 兴趣更新
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 32-37
• 分类号: TP399
• 字数: 6156字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2012.10.007

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志浩	武汉大学计算机学院	3	4	2.0	2.0
2	聂文汇	武汉大学计算机学院	4	17	2.0	4.0
3	成鹏	武汉大学软件工程国家重点实验室	2	21	2.0	2.0
4	张宇博	武汉大学软件工程国家重点实验室	2	3	1.0	1.0
5	阳智敏	武汉大学软件工程国家重点实验室	1	2	1.0	1.0