适应用户兴趣变化的社会化标签推荐算法研究

• 作者: 张艳梅 王璐
• 来源期刊: 计算机工程
• 学科: 经济
• 关键词: 协同过滤 标签 兴趣变化 指数遗忘 时间窗 推荐
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: ?开发研究与工程应用?
• 页码范围: 318-321
• 页数: 4页
• 分类号: F724.6
• 字数: 3981字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.11.062

摘要

目前许多基于社会化标签的推荐均忽视用户的兴趣变化及反复性，影响了推荐质量。针对该问题，提出一种将指数遗忘权重和时间窗口相结合的算法，既突出了近期兴趣的重要性，又强调了反复出现的早期数据。建立基准标签集，根据指数偏移后的标签向量选出目标用户的最近邻居，通过目标用户时间窗内标记的资源计算其所有资源的推荐权重向量，结合推荐权重和资源相似度给出最近邻居标记资源的推荐分数，取分数最高的前K个资源做出推荐。仿真实验结果表明，改进后的算法能动态地跟踪、学习用户的兴趣变化，提高推荐精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张艳梅	中央财经大学信息学院	30	115	6.0	10.0
2	王璐	中央财经大学信息学院	17	80	4.0	8.0