基于时间感知和用户兴趣重要度融合的文档推荐模型

摘要 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