极大似然估计与遗忘曲线的隐式反馈交互推荐算法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对传统推荐算法对启动数据要求严苛且服务器性能要求过高导致实际项目中较难应用的问题,提出一种挂载在ECS服务器(elastic compute service,ECS)上的基于极大似然估计原理(maximum likelihood estimate,MLE)和双重艾宾浩斯遗忘算法(double ebbinghaus forgetting algorithm,DEFA)相结合的推荐算法(EMDE).首先,通过极大似然估计原理和双重艾宾浩斯遗忘算法结合,实现了对用户偏好数据的正态拟合,并且可以灵活地调整用户偏好的遗忘速度和保留程度.其次,充分考虑了对修改关闭原则,可以与现有业务模块高度解耦,并且具有轻量级的特性.实验结果表明,EMDE算法可以成功避免推荐快速消耗用户兴趣和触及用户反感的交互,并选择合适的交互以达到增强用户黏性的目的.

作者：

戚晗、朱天龙、傅殿硕

展开 >

作者单位：

沈阳航空航天大学辽宁沈阳 110136

深圳骄阳视觉创意科技股份有限公司广东深圳 518000

关键词：

极大似然估计正态拟合艾宾浩斯遗忘推荐算法用户黏性

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.04.013