极大似然估计与遗忘曲线的隐式反馈交互推荐算法  

作　　者：戚晗 朱天龙 傅殿硕 QI Han;ZHU Tianlong;FU Dianshuo

机构地区：[1]沈阳航空航天大学,辽宁沈阳110136 [2]深圳骄阳视觉创意科技股份有限公司,广东深圳518000

出　　处：《信息技术与信息化》2024年第4期62-65,共4页Information Technology and Informatization

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。

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 

分 类 号：TP391.3[自动化与计算机技术—计算机应用技术]