3.1.2.2 偏好漂移检测：基于行为日志的动态兴趣建模

文档摘要

3.1.2.2 偏好漂移检测：基于行为日志的动态兴趣建模 3.1.2.2 偏好漂移检测：基于行为日志的动态兴趣建模——用滑动窗口与指数加权实现高敏低噪的实时兴趣追踪在推荐系统中，用户兴趣从来不是一成不变的。今天沉迷于健身器材的人，明天可能开始搜索婴儿奶粉；上周热衷于悬疑小说的读者，这周却频频点击科幻新作。这种“偏好漂移”（Preference Drift）是推荐系统面临的核心挑战之一。若模型无法及时捕捉兴趣的演化，推荐结果将迅速变得陈旧、无关，甚至令人反感。然而，构建一个既能高灵敏度地响应真实兴趣变化，又具备强抗噪能力以过滤短期随机行为的偏好漂移检测机制，绝非易事。许多团队在实践中陷入两难：窗口太短，噪声主导信号；窗口太长，漂移被平滑淹没。