加入时间因素的个性化信息过滤技术 (2005年)

提出一种加入时间因素的个性化信息过滤技术。在建立用户模型时，根据用户行为动态确定用户兴趣类别的数量并建立（调整）相应兴趣类别的特征向量。通过在表示用户兴趣类别的特征向量中添加时间因素，可以兼顾用户的短期和长期兴趣，跟踪用户的兴趣变迁。在信息过滤时，首先计算文档与用户兴趣类别的相似度，并根据时间参数调整最终得分。本系统每秒钟能学习文档267篇，为402篇文档评分；在召回率为70%时，精确率为57%。