1、協(xié)同過濾技術作為迄今為止應用最成功的推薦技術之一，得到了研究者廣泛的關注，成為推薦領域重點研究的內容。
　　 本文對協(xié)同過濾推薦技術進行了有益的探索和研究，針對協(xié)同過濾的缺陷，引入了時間遺忘函數、用戶偏好度和用戶特征，提出了基于用戶特征和興趣變化的協(xié)同過濾算法，將用戶興趣、時間效應、用戶對項目偏好程度以及用戶的特征有機的結合起來，并對基于用戶的協(xié)同過濾算法進行了改進。論文完成的主要工作包括：
　　 ①對推薦系統(tǒng)進行了較深

2、入的研究，包括概念、研究內容和組成，并詳細分析了各種推薦技術，比較了各種推薦技術的優(yōu)勢和不足，以及現(xiàn)有的典型推薦系統(tǒng)實例的特征。在此基礎之上，重點研究了推薦領域的主流技術-協(xié)同過濾技術，對協(xié)同過濾算法做了全面而詳細的分析。
　　 ②考慮到用戶興趣度的動態(tài)變化問題，借鑒人類的遺忘規(guī)律，引入了時間遺忘函數，在當前研究成果基礎上，提出了改進的非線性遺忘函數，對每個觀測到的用戶興趣特征，根據其出現(xiàn)的時間順序不同賦予不同權值，按時間t對項

3、目評分進行不同速度的衰減，改變不同時間內評分對推薦結果的貢獻度。
　　 ③考慮到項目屬性對相似性的影響，提出了項目屬性相似性的概念，把項目本身的因素考慮進來，項目之間的相似性不再僅僅取決于用戶對商品項目的評分，綜合項目屬性和用戶評分兩方面的因素，來度量項目之間的相似性。
　　 ④考慮到不同的項目對用戶來具有不同的價值、用戶和項目兩者間所具有的內在聯(lián)系，提出了用戶偏好度的概念，在計算最近鄰時，不再把所有項目等同對待，而是按