基于多特征相似的用户兴趣推荐

• 作者: 张晓滨 朱保华 杨东山
• 来源期刊: 西安工程大学学报
• 关键词: 用户兴趣 多特征相似性 个性化推荐 协同过滤 时间函数
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 97-101
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13338/j.issn.1674-649x.2016.01.017

摘要

通过协同过滤获取用户的兴趣是为其提供贴心的个性化服务的关键技术。针对传统的协同过滤推荐算法不仅只考虑用户间单个特征的相似性，而且忽略用户兴趣会随时间变化而变化，从而难以准确地预测目标用户的兴趣，针对上述问题，提出一种基于多特征相似的用户兴趣推荐算法。在近邻居中寻找出与目标用户多特征相似的用户，根据相似用户对项目的评分以及目标用户兴趣随时间变化的时间函数来预测目标用户对该项目的评分，从而达到向目标用户推荐的目的。实验结果表明，该算法与传统的协同过滤推荐算法相比，能有效地提高用户推荐的质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓滨	西安工程大学计算机科学学院	26	210	8.0	14.0
2	杨东山	西安工程大学计算机科学学院	5	35	3.0	5.0
3	朱保华	西安工程大学计算机科学学院	3	11	2.0	3.0