| 由於對用戶興趣的精確預測，矩陣分解（Matrix factorization, MF）技術已被廣泛用於推薦系統中。先前基於MF的方法通過從用戶和項目中提取潛在因子來調整總體評級以進行推薦。然而，在實際應用中，人們的偏好通常隨時間而變化；傳統的基於MF的方法無法正確捕捉用戶興趣的變化。在本文中，通過將遞歸神經網絡（recurrent neural network, RNN）結合到MF中，我們開發了一種新穎的推薦系統M-RNN-F，以有效地描述用戶隨時間的偏好演變。提出了一種學習模型來捕捉進化模式並預測未來的用戶偏好。實驗結果顯示，M-RNN-F的性能優於其他最先進的推薦演算法。此外，我們在現實世界數據集上進行實驗，以證明其實用性。 |
