一种基于预测用户动态偏好的推荐框架研究

作     者：蔡深帆 Cai Shenfan

作者机构：广东理工学院广东肇庆 

出 版 物：《科学技术创新》 (Scientific and Technological Innovation)

年 卷 期：2024年第20期

页      面：221-224页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：广东理工学院专项课程建设项目(JXGG2024018) 广东理工学院大学生创新创业训练项目(CXCY202401313) 

主　　题：矩阵分解 时间感知推荐 卡尔曼滤波器 推荐系统 

摘      要：时间数据容易获取且存在于各种应用程序中,然而大多数推荐方法未考虑用户的动态偏好变化,导致推荐内容过时且缺乏个性化,面临降低用户体验和信息过载等挑战。为了解决这些问题,本研究基于用户的历史购买序列数据,提出了一种基于预测用户动态偏好的推荐框架(PUDP)。该框架由三个阶段组成:利用矩阵分解和购买时间序列数据获取用户特征;使用卡尔曼滤波从用户特征中预测用户偏好向量;根据预测的偏好向量,提出了两种推荐序列计算方法,为用户生成推荐列表。实验结果表明,在真实的***数据集上,该方法在推荐预测性能方面优于一阶马尔可夫模型等竞争方法。