基于项目聚类和时间因素改进的推荐算法

• 作者: 姚宇 张林 王晓东
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 推荐系统 协同过滤 物品相似度 兴趣衰减 聚类
• 年，卷（期）: 2016,（z2）
• 所属期刊栏目: 大数据
• 页码范围: 235-238
• 页数: 4页
• 分类号: TP311
• 字数: 4967字
• 语种: 中文

摘要

针对传统推荐算法忽略时间因素影响的问题,根据用户行为在短期内存在较高的相似性,在计算物品相似度时引入时间衰减函数,提出一种考虑时间因素的物品相似度计算方法.同时基于聚类的思想,对项目作聚类,充分挖掘用户对项目类的兴趣度以及物品在类内的权重关系.基于上述两点对传统的协同过滤推荐算法进行改进,提出一种结合时间因素和项目聚类的TCItemCF算法.实验结果表明,采用改进的推荐算法能够明显改善推荐效果;特别地,在阻尼系数为0.01、时间衰减因子为0.5、聚类数目为160、推荐列表长度为20时,改进的推荐算法相比基于项目聚类的推荐算法ItemCluster推荐准确率提高4.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓东	中国科学院成都计算机应用研究所	198	1467	19.0	28.0
2	张林	中国科学院成都计算机应用研究所	36	1159	13.0	34.0
6	姚宇		39	237	9.0	13.0