王 颖,赵海燕,陈庆奎,曹 健

1(上海理工大学 光电信息与计算机工程学院,上海现代光学系统重点实验室,上海 200093) 2(上海交通大学 计算机科学与技术系,上海 200030) E-mail:18502122092@163.com

1 引 言

推荐系统无论在学术界还是工业界都是一直被讨论的研究热点.推荐系统能够使用户从海量信息中找寻到有价值的信息及让有价值的信息提供给对其感兴趣的用户.目前,协同过滤是一种非常流行的推荐算法,又分为基于内存的推荐和基于模型的推荐.基于模型的推荐系统在工业界取得了很好的成效,通过对用户物品的评分或者购买关系建立矩阵并学习隐含特征,以实现推荐.但是,基本的基于模型的推荐系统中并没有将时间因素考虑进去.现实中,用户、物品都会随着时间的推移其特征有不同的变化.一方面,用户会随着时间的变化有不同的兴趣趋向,另一方面,物品的流行度等也会随时间变化.为了得到更好的推荐效果,应该考虑时间因素.在基本的算法基础上,研究者们已经提出了一些模型以考虑用户兴趣或者物品流行度随时间的变化[1-4].

在考虑时间影响中,有一类特殊的时间因素,即对那些上市时间不同的产品(如电影、音乐、衣服)等,人们在选择时将具有不同的理由.例如,对于新的电影,人们会出于大众的评价、当前的热门程度等进行“跟风”式的消费;而对于旧的电影,人们的选择将会更加理性,通常会出于自己对题材、导演或者演员等真正的喜好……