基于时间感知和用户兴趣重要度融合的文档推荐模型

基于内容的文档推荐系统中,传统的向量空间模型VSM直接使用TF-IDF方法确定权值,不能真正体现用户兴趣重要度;同时,由于未考虑用户兴趣随时间变化而发生改变,导致推荐精度较低.因此,提出了基于时间感知和用户兴趣重要度融合的文档推荐模型.首先根据用户浏览行为和相关信息,隐式提取用户兴趣,构建新的用户兴趣向量模型.针对用户兴趣受时间因素的影响,提出使用时间延迟函数对近期浏览的文档赋予更高的时间权值;然后应用灰色关联理论,建立用户兴趣因子序列与文档兴趣度参考序列间关联模型,以确定用户兴趣重要度;进而融合时间因素和用户兴趣重要度建立文档推荐模型.最后设计了一个实验系统,对比所提出的模型与其他两个模型的推荐效果,验证了基于时间感知和用户兴趣重要度融合的模型优于其他模型,能够为用户提供更准确的文档.