1、互聯(lián)網(wǎng)的迅速發(fā)展為人們生活帶來便利，然而迅速增長(zhǎng)的信息也讓人們無所適從，想要從海量信息中發(fā)現(xiàn)對(duì)自己有用的信息需要花費(fèi)大量時(shí)間成本。搜索引擎可以幫助人們快速檢索需要的信息，但是很多情況下用戶對(duì)信息了解不夠很難選擇合適的搜索關(guān)鍵字。推薦系統(tǒng)的出現(xiàn)改變了這一現(xiàn)狀，推薦系統(tǒng)根據(jù)用戶歷史數(shù)據(jù)，利用各種推薦算法計(jì)算用戶偏好，主動(dòng)向用戶推送可能感興趣的信息和商品，有效減少了用戶搜索成本，帶來更好的用戶體驗(yàn)。
　　協(xié)同過濾是目前推薦系統(tǒng)中使用最多

2、的推薦算法，它根據(jù)用戶的歷史評(píng)分記錄尋找相似的用戶或者相似的物品，用這些臨近用戶或物品來預(yù)測(cè)用戶評(píng)分。盡管協(xié)同過濾取得了很大成功，但是仍然面臨諸多問題，例如冷啟動(dòng)、數(shù)據(jù)稀疏性、用戶興趣變化等。本文總結(jié)了推薦系統(tǒng)中常見的動(dòng)態(tài)性因素，并闡述了已有解決動(dòng)態(tài)性的方案。最后借鑒已有解決方案的思路成功解決了概率隱語義協(xié)同推薦算法無法處理用戶興趣變化的問題。
　　概率隱語義算法是一種基于語義的協(xié)同推薦算法，通過構(gòu)造一個(gè)隱含變量來將用戶興趣和物品