赵串串，游进国，2，李晓武

1(昆明理工大学 信息工程与自动化学院，昆明 650500) 2(云南省计算机应用重点实验室，昆明 650500)

1 引 言

随着万维网的发展，人们的购买习惯逐渐从大街上的实体店转向互联网，例如淘宝、京东、亚马逊等在线购物平台.然而在线购物平台存在着一个显著的问题，项目的数量对用户来说可能是巨大的，用户难以寻找自身感兴趣的项目.推荐系统的引入，能有效的解决信息过载问题.

如今，推荐系统在现实世界的业务中发挥着重要作用，预测用户的下一次交互是实现个性化推荐的核心[1].在各种各样的领域中，存在大量的历史交互数据，例如点击日志，购买历史，浏览等，这些数据多年来实现了许多高效的推荐系统.然而，大多数现有的推荐系统理论都面临着各种问题[2]，例如倾向于重复推荐与用户可能已经购买的项目类似的项目[3].实际上，用户可能更喜欢新颖且与已有的物品更相关的物品.

如图1所示，用户按照先后顺序把 “牛奶，苹果，香蕉，牛油果”加入购物车中，然后又把“面包”也加入了购物车.最后，用户按照“牛奶，苹果，香蕉，牛油果，面包”顺序下单成功.如果是用现有的基于上下文的推荐方法，就会把前面加入的“牛奶，苹果，香蕉，牛油果”四个项目当作是上下文，则用户最后又加入购物车的“面包”看作是系统推荐的那个目标项目.如果是这样的话，系统就会把用户最近加入购物车的(苹果，香蕉，牛油果)看的很重要，根据这三个……