张正风，唐 敏，李清秀

（徐州生物工程职业技术学院 图文信息中心，江苏 徐州 221006）

0 引言

传统的协同过滤推荐算法根据用户历史评分数据进行推荐，未充分考虑时间因素的影响。本文充分挖掘时间上下文信息在推荐算法中的影响，提出一种基于人记忆特性的协同过滤推荐算法，即 HMC-CF（Collaborative Filtering Based on Human MemoryCharacteristics）推荐算法。用户兴趣会随时间流逝而变化[1]，为了追踪用户兴趣随时间变化而产生的偏移，本文以人的记忆特性为出发点，拟合艾宾浩斯遗忘曲线得到时间衰减函数来追踪用户兴趣偏移。考虑到人的记忆遗忘特性和不同年龄阶段用户的记忆遗忘速率不同，将年龄因子融入遗忘时间衰减函数做进一步改进优化。除了遗忘规律，人看到某物品时存在回忆起相似物品的可能，这种现象被称为记忆激活。根据记忆激活理论得到时间权重函数，时间函数能够衡量用户历史行为物品对当前物品的影响权重[2]。前者侧重基于用户群的推荐，后者侧重基于产品群的推荐。综合上述两种情况，得到一种混合的评分预测方法。

1 基于记忆特性的时间函数

1.1 融合用户年龄的遗忘时间衰减函数

记忆是有时限性的，一个人能够回忆起几个小时前发生的事情的大多数细节，但对几个月前甚至几年前发生的事情只能回忆起大概。根据这种现象，可以认为在推荐算法中用户当前评分的物品价值要高于过去评分物品的价值，并且这种价值会随着时间的增长逐渐降低。……