基于热门物品惩罚和用户兴趣变化的知识推送算法

• 作者: 李志隆 杨岑 王道平
• 来源期刊: 系统工程
• 学科: 经济
• 关键词: 协同过滤 热门物品惩罚 知识项聚类 用户兴趣变化
• 年，卷（期）: 2014,（1）
• 页码范围: 118-123
• 页数: 6页
• 分类号: F270
• 语种: 中文

摘要

为了提高用户相似度计算的精度和知识推送的准确度,提出了一种基于热门物品惩罚和用户兴趣变化的协同过滤推送算法.该算法首先对知识项进行聚类;其次在每一类中引入用户兴趣度函数来对类内未评分知识项进行评分值预测;然后在每个类的用户相似度计算中引入热门物品权重系数,用以惩罚热门物品对用户相似度的影响;最后在推送当中引入用户兴趣随时间变化的权重系数.实验还采用MovieLens数据集进行了测试,结果表明,改进后的算法比传统的协同过滤算法在推送准确度上有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王道平		169	2253	25.0	39.0
2	杨岑		18	165	8.0	12.0
3	李志隆		2	0	0.0	0.0