考虑用户兴趣变化的概率隐语意协同推荐算法

• 作者: 吴成超 王卫平
• 来源期刊: 计算机系统应用
• 关键词: 推荐系统 协同过滤 概率隐语意算法 兴趣变化 时间窗
• 年，卷（期）: 2014,（5）
• 页码范围: 162-166
• 页数: 5页
• 字数: 4277字
• 语种: 中文

摘要

推荐系统是人们从海量信息中获取对自己有用信息的一种有效途径，在学术界和工业界都受到广泛关注。协同过滤则是推荐系统领域最流行的算法，目前很多协同过滤算法都是静态模型，没有考虑到用户兴趣会随着时间而变化。本文提出一种融合算法，利用高斯概率隐语意(PLSA)模型提取出用户的长期兴趣分布，然后结合用户评分时间窗捕获用户短期兴趣变化，从而更准确的为用户做出推荐。在Netflix和MovieLens数据集的上测试表明，改进算法的预测评分准确率明显高于经典的基于用户相似度算法和PLSA算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王卫平	中国科学技术大学管理学院	81	1386	21.0	33.0
2	吴成超	中国科学技术大学管理学院	1	8	1.0	1.0