一种适用于用户偏好动态演变的个性化推荐算法

摘要

本发明公开了一种适用于用户偏好动态演变的个性化推荐算法。首先提出了一种新的似然函数，能够解决用户由于训练样本少而产生的过拟合问题；同时，该似然函数具有通用性，任意的基于概率的推荐模型均可采用该似然函数来进行参数估计。在该似然函数的基础上，提出了一种新的基于隐马尔可夫模型的个性化推荐算法，采用隐马尔科夫模型并对其进行了改进。与现有个性化推荐算法相比，本发明提供的个性化推荐算法能够挖掘用户偏好随时间动态演变的信息，提高了推荐结果的准确性。