基于时间效应的协同过滤算法

• 作者: 余腊生 冯梅 吴飞
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 协同过滤 时间效应 项集相似性 预测评分 平均绝对误差
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 2095-2101
• 页数: 7页
• 分类号: TP391
• 字数: 5602字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.11.018

摘要

协同过滤算法已被成功应用在个性化推荐系统中,但传统的协同过滤算法很少考虑时间因素的影响,难以确保最近邻集的准确性和可靠性.虽然很多文献提出了各种改进推荐算法,但仍然没能在计算中有效地将时间因素和用户评分综合起来.因此,在原有的工作基础上提出基于时间效应的协同过滤算法,将时间因素纳入用户预测评分和用户相似性计算中,并综合这两个因素来动态分配每一项评分的权重,采用预测评分填充用户-项矩阵和二次计算用户相似性矩阵的方法,最终得到Top-N推荐集.实验表明,改进后的算法提高了推荐算法的精度和推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余腊生	中南大学软件学院	48	379	10.0	18.0
2	冯梅	中南大学软件学院	10	35	4.0	5.0
3	吴飞	中南大学软件学院	1	7	1.0	1.0