论文部分内容阅读
分析用户行为的历史数据，使用特定方法建立用户的偏好模型，是目前研究的热点和关键。考虑了数据产生的时序特征，以及具有时间特征的变量在用户行为模型中的影响，以心理学中的记忆曲线模型为依据，从用户的行为数据出发，给出了用户偏好的表示，并为用户的每个偏好建立一个记忆曲线模型，实时地表示用户的偏好。针对海量的用户行为数据，提出了基于MapReduce的模型参数增量更新算法和动态用户偏好计算方法，从而使得模型能反映动态变化的用户偏好。建立在真实数据上的实验结果表明，提出的模型和算法具有高效性、正确性和可用性。