融合标签特征和时间上下文的协同过滤推荐算法

• 作者: 孙克 王新华 窦羚源
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 协同过滤 标签特征 时间上下文
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 计算机软件与数据库研究
• 页码范围: 48-52
• 页数: 5页
• 分类号: TP391
• 字数: 6233字
• 语种: 中文

摘要

推荐系统是解决信息过载问题的有效方法,而协同过滤通过挖掘用户行为信息来预测用户偏好,是现今广泛应用的推荐方法.但传统的协同过滤算法存在数据稀疏,推荐精度不高的问题.而标签信息能够丰富用户(资源)之间的联系,从而提高推荐精度.通过标签信息来构造用户和资源的特征矩阵,进一步融合到基于邻域的协同过滤推荐算法中,预测用户对资源的评分.同时考虑了用户评分的时间上下文影响,降低预测误差.在真实的数据集上验证,该推荐算法与传统协同过滤算法相比,有效的预测用户评分,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	王新华	山东师范大学信息科学与工程学院	49	397	10.0	18.0
5	孙克	山东师范大学信息科学与工程学院	2	32	2.0	2.0
6	窦羚源	山东师范大学信息科学与工程学院	3	36	3.0	3.0