融合时间戳信息的改进SVDPP 推荐算法及其分析

丁勇

(云南师范大学 文理学院，云南 昆明 650228)

0 引言

随着各类网络软件的开发，促进了信息数量的大幅增加。为了在大量网络信息中获取自己所需的内容，需要对这些信息进行快速处理，从中提炼出满足自身需求的信息数据，这就要求开发更加高效的信息服务技术。如果因为信息量过大而导致信息收集困难时，便会出现“信息过载”的问题，反而降低了信息利用率[1-3]。为了满足人们的信息收集需求，通常会在智能设备上安装搜索引擎进行信息检索，从而有效克服信息过载的情况，能够实现对互联网信息的快速收集、分类，并将这些数据存入到网页中，便于用户进行查询，之后根据用户的实际搜索请求将结果传输至终端界面[4-5]。由于搜索引擎可以对大量的数据信息先做好分类，此时用户只需将搜索信息的关键字输入后便可以从系统中检索出精确匹配词条的内容，并根据匹配度的高低显示搜索结果，确保用户可以更加高效地查询到所需的信息内容。而进行实际应用的过程中，搜索引擎检索信息量大，因此还需用户花费较多时间进行信息筛选[6-7]。

随机离散马尔可夫决策过程(MDP)是一种动态规划的方法，此方法类似于强化学习试错迭代过程，虽然只通过强化学习的方式对马尔可夫决策过程进行求解，仍然使其成为当前强化学习理论的一个重要框架[8-11]。Yin设计了Q-learning，促进了强化学习方式的进一步推广[12]。采用Q-learning可以实现在无回报函数与状态转换函数的条件下也能够求解得到最佳的动作策略[13]。……