时间上下文的协同过滤Top-N推荐算法

• 作者: 亓国涛 刘云 包智妍 王颖
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 协同过滤 商品推荐 时间影响 权重因子 时间衰减
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 79-82
• 页数: 4页
• 分类号: TP399
• 字数: 2675字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.07.019

摘要

在推荐系统中,通过收集和分析用户在系统中的所有行为信息,创建用户独有的偏好模型,从而根据该模型推断出用户可能感兴趣的物品.传统协同推荐算法一般都是利用收集的用户行为信息,根据偏好模型分析用户的行为特点,筛选出向用户推荐的物品列表,但推荐列表大同小异.为了提高推荐的准确性和精确性,让用户在不同的时间可以看到不同的推荐结果,提出了以传统协同过滤算法为基础的改进算法.在分析用户行为信息,建立用户行为特征时,考虑不同时间下用户历史信息也不同,时间越近越能反映当前用户行为特征.用户在较短时间间隔内感兴趣的物品,具有更高的相似度.故以时间作为权重因子引入到算法中,加重近期行为在算法中所占的比重,优先向用户推荐与他浏览过的物品类似的物品,从而提高推荐物品的多样性.在典型数据集上的实验表明,在保证推荐准确度的前提下,融合时间的推荐算法准确率和召回率明显提高,验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王颖	华北电力大学控制与计算机工程学院	55	415	12.0	17.0
2	刘云	华北电力大学控制与计算机工程学院	4	21	3.0	4.0
3	亓国涛	华北电力大学控制与计算机工程学院	2	10	1.0	2.0
4	包智妍	华北电力大学控制与计算机工程学院	2	10	1.0	2.0