融合用户兴趣和评分差异的协同过滤推荐算法

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.

关键词：协同过滤、TF-IDF、指数衰减函数、时间窗口、差异性

所属期刊栏目：56

分类号：TP301.6(计算技术、计算机技术)

资助基金：山西省高等学校优秀青年学术带头人项目2016

在线出版日期：2020-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：24-29