基于记忆曲线的数据密集型动态用户行为建模

摘要

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.