第二篇　基于时序的协同过滤推荐算法

目前协同过滤遇到很多问题和挑战，其时效性是主要问题，严重影响了推荐质量。由于传统的协同过滤算法忽略了随着时间变化而用户的兴趣也在不断发生变化这一问题，即存在用户兴趣漂移现象。传统的协同过滤推荐算法只是单一地通过评分来分析用户的兴趣爱好，统一地将评分用1~5分代表用户的喜爱程度，其时效性不足。用户的兴趣偏好不但范围广泛，而且实时变化，例如：一个孩子在几岁时可能对动画片感兴趣，在青春期可能对浪漫爱情片感兴趣，随后又可能对文艺片感兴趣，再过几年可能对剧情片感兴趣等。随着时间推移，用户的关注点在不断变化，如何捕获这一动态的时间效应是一个难题。