用户兴趣变化和类别关联度的混合推荐算法

• 作者: 薛宇彤 谢晟 陈海龙
• 来源期刊: 计算机应用研究
• 关键词: 协同过滤 聚类算法 类别关联度 兴趣变化 相似度
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 358-361
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.08.0722

摘要

协同过滤算法是目前推荐系统中最普遍的个性化推荐技术.针对传统算法相似性度量方法不足的问题,提出了融合用户兴趣变化和类别关联度的混合推荐算法.算法根据用户的评分项目信息来对项目进行类别划分,挖掘出用户对不同类别项目的喜爱关注程度;同时将基于时间的兴趣度权重函数引入项目相似度计算之中来进一步提高计算的精确度;最后将改进后的相似度计算方法融入到用户聚类方法中,用户聚类之后,其所在的类别将对用户推荐准确度产生极大的作用.实验结果表明,在MovieLens-1k数据集上运行该算法,在运行效率和精确度上都有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈海龙	哈尔滨理工大学计算机科学与技术学院	16	49	5.0	6.0
2	薛宇彤	哈尔滨理工大学计算机科学与技术学院	2	6	1.0	2.0
3	谢晟	哈尔滨理工大学计算机科学与技术学院	2	5	1.0	2.0