曹景振 贾新磊 李松丹

摘 要：针对ACM在线评测平台中练习题目数量较多，新用户选题盲目的问题，文章主要研究了基于物品（item-based）的协同过滤算法，根据在线评测推荐系统的特性采用了余弦相似性来计算题目之间的相似程度，并且在此基础上加入时间权重和难度权重。实验结果表明，改进后的算法比原有推荐算法的推荐质量和准确度有显著提高。最后将改进后的推荐算法部署到在线评测平台上，帮助用户选到合适的题目练习，提高用户编写程序解决问题的能力。

关键词：协同过滤；个性化推荐；ACM在线评测；时间权重；难度权重

随着ACM-ICPC和CCPC等大学生程序设计竞赛的发展，越来越多的高校搭建了ACM在线评测（Online Judge，OJ）平台。在线评测平台题目较多，刚入门的用户往往存在选题盲目的问题，针对此问题，通过利用所有用户的历史做题记录来实现智能题目推荐系统，来帮助新手选择题目，提高学生编写程序、分析和解决问题的能力。

本文主要研究基于物品的协同过滤算法在ACM在线评测平台的题目推荐系统中的改进及应用，目的是在现推荐算法研究成果的基础上，根据在线评测平台特性改进推荐系统算法，进一步提高推荐质量，帮助用户选到更适合的题目。

1 推荐系统概述

推荐系统主要是根据用户抽象的兴趣特点和具体的历史购买行为，向用户推荐其可能感兴趣的信息或者物品。互联网迅速发展也带来了网上信息量的大幅度增长，出现了信息超载问题，为用户产生了困扰，而内容提供商把优质的内容正确推送给感兴趣的用户的操作难度不断加大。……