大数据的时代背景下,网络信息资源呈现出指数增长的趋势。人们在享用网络便利的同时,信息资源的极大丰富与用户有限的认知能力之间产生了尖锐的矛盾,“信息迷航”和“信息超载”日益严重。为了有效解决这些问题,个性化服务应运而生。其中,用户偏好是个性化服务的基础构成与关键部件。借由用户网络浏览行为来准确识别和提取用户偏好,构建科学合理的用户偏好模型是相关研究的核心问题。然而,当前主流的用户偏好建模方法主要通过显性获取注册信息、评分、评价反馈等信息,或隐性获取浏览时间、收藏、保存等信息。极少考虑用户浏览行为及其内在的心理活动规律,因此并不符合用户的认知规律。认知视角下对用户偏好的现有研究中,或引入遗忘曲线以对用户偏好模型进行更新,或基于记忆两过程模型、衰减因子等算法来解决兴趣的漂移等问题。由于人的心理受到外在情境、相关记忆、当下情感等方面的影响,导致对同一事物的认知和感受在不同时期、不同情境下存在差异。用户偏好的变化规律未必与记忆遗忘的规律完全一致。因此,单纯考虑遗忘规律来更新偏好模型,也未必能够合理地描述用户真实偏好的动态特征,用户偏好的变化也许还受到其他心理因素的影响。针对上述问题,本文基于记忆多重存储模型,并对记忆、情感与偏好的关系进行了理论分析,在此基础上构建了一种融合即时偏好、短期偏好和长期偏好的用户偏好复合模型。通过访谈法调查了浏览过程中用户的认知特征,初步验证了该模型。又通过日志分析与实验结合的方法探索了偏好的内在机理。实验发现情感与记忆高度相关,且两者在7天内呈现相对稳定的趋势。据此,确立了模型中短期偏好的时间阈值为7天。本文在这一偏好复合模型的构想下,深入探讨了用户短期偏好与长期偏好的划分依据,并且实现了短期偏好与长期偏好的识别方法与可视化。这一复合模型充分体现了用户偏好的动态特征,为解决个性化服务中数据稀疏、冷启动等关键问题提供了全新的视角和途径。