摘要

随着互联网的发展,大量商品信息不断涌现,从而产生了信息过载问题。推荐系统作为解决此问题的有效手段,近年来得到快速发展。现存方法大多以用户行为和商品内容相似性为基础,利用用户购买记录和商品描述信息来产生推荐结果。事实上,用户的购买行为与时间也有着密切的联系。例如,最近购买的商品往往更能体现用户的当前兴趣。因此,在传统基于相似性推荐的基础上,本文提出一种基于时间特性的二部图推荐方法,通过调整初始资源权重分布体现用户兴趣随时间的变化趋势。实验证明,本文提出的方法在面向时间的Top-N命中率上有较大幅度提升。本文工作不仅对现有推荐算法的效果提高具有实际意义,对推荐系统在真实商业环境中的应用也有很大促进...

全文