融合用户兴趣和评分差异的协同过滤推荐算法

• 作者: 刘忠宝 师智斌 陆航
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同过滤 TF-IDF 指数衰减函数 时间窗口 差异性
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 热点与综述
• 页码范围: 24-29
• 页数: 6页
• 分类号: TP301.6
• 字数: 6908字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1909-0129

摘要

针对传统的协同过滤算法中单一评分相似性计算不准确的问题,提出融合用户兴趣和评分差异的协同过滤推荐算法.将TF-IDF思想运用到用户对标签的权重计算中,并使用指数衰减函数和时间窗口捕捉用户兴趣的变化;根据历史评分矩阵,充分考虑用户评分值差异、评判准则差异、影响力差异和项目影响差异等影响因子,定义了一种评分差异相似性度量算法;最后将用户兴趣相似性和评分差异相似性进行加权融合,获取更加准确的用户邻居,从而预测项目评分并进行推荐.在数据集Movielens的实验表明,提出的算法能有效提高推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘忠宝	中北大学软件学院	58	141	6.0	8.0
2	师智斌	中北大学大数据学院大数据与网络安全研究所	13	39	4.0	5.0
3	陆航	中北大学大数据学院大数据与网络安全研究所	1	1	1.0	1.0