1、隨著Internet與信息技術的飛速發(fā)展，互聯(lián)網中各種類型的數(shù)據(jù)量迅速地增長，這種信息資源的不斷膨脹，出現(xiàn)了所謂的“信息過載”和“信息迷行”的現(xiàn)象，使得人們在龐大的信息量中很難找到對人們有價值的資源。因而為了使人們更準確有效地獲得對人們有用的信息，一種能夠為用戶主動提供信息的推薦系統(tǒng)便應運而生。推薦系統(tǒng)是根據(jù)用戶以往的訪問記錄、對項目的評價信息、或項目之間的相關性來構建用戶的興趣模型，并根據(jù)該模型向用戶推薦其可能感興趣的項目。比如:一個

2、電影網站可以根據(jù)用戶的觀看歷史和對影片的評分，獲得用戶對電影的偏好信息，從而為用戶推薦他們最可能感興趣的影片。
　　研究人員發(fā)現(xiàn):個性化推薦問題存在用戶興趣漂移的現(xiàn)象。也就是說人們的興趣不是一成不變的，而是會隨著時間的推移而有所改變。而傳統(tǒng)的推薦方法并沒有考慮到這一點。在充分認識這一問題后，本文以傳統(tǒng)的協(xié)同過濾技術和記憶遺忘理論為基礎，提出了一種基于人的自然遺忘特征來追蹤用戶興趣變化的算法。改進的推薦算法不僅能夠體現(xiàn)用戶興趣隨時間

3、流逝而變化的影響，而且能夠根據(jù)其遺忘的程度有側重地推薦項目，以達到加強用戶記憶的效果，為用戶推薦其真正感興趣的項目。
　　本文提出的用戶興趣漂移跟蹤算法的主要思想是為項目找到恰當?shù)臅r間權重，也就是說用戶最近給出的評分對當前要預測的項目有較大的貢獻。直觀上，人們認為最近的評分信息也就是用戶當前主要的興趣點;距離當前時間越接近的項目評分，它就有相對較大的時間權重。本文的主要工作包括以下幾個方面:首先闡述了協(xié)同過濾算法的相關技術;然后介