基于时间相关度和覆盖权重的协同过滤推荐算法

• 作者: 任永功 张尧 张志鹏
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 协同过滤算法 时间相关度 覆盖度 预测精度 分类精度
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 289-297
• 页数: 9页
• 分类号: TP393
• 字数: 7644字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201904001

摘要

基于物品的协同过滤(IBCF)在计算相似度和预测评分时为所有物品分配相同的权重,提供的推荐往往不能同时具有良好的预测精度和分类精度.因此,文中提出基于时间相关度和覆盖权重的协同过滤算法(TCWCF).将时间相关度函数应用于物品间的相似度计算,提高推荐的预测精度.同时构建覆盖度函数,融入预测评分阶段,提高推荐的分类精度.在MovieLens数据集上的实验表明,TCWCF性能优于IBCF和其它相关算法,可以同时为目标用户提供具有良好预测精度和分类精度的满意推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任永功	辽宁师范大学计算机与信息技术学院	74	975	12.0	30.0
2	张志鹏	辽宁师范大学计算机与信息技术学院	6	5	2.0	2.0
3	张尧	大连工业大学机械工程与自动化学院	2	3	1.0	1.0