一种改进的协同过滤推荐算法

摘要：

传统的协同过滤算法在寻找最近邻居集合时没有考虑时间因素的影响,仅从用户或者项目单方面出发计算用户或者项目的相似性以产生推荐结果,也忽略了用户特征对推荐的影响.针对上述问题,引入时间遗忘函数、黏度函数、用户特征向量,对协同过滤算法寻找用户的最近邻居集合过程进行了改进,体现了时间效应、用户偏好程度和用户特征.采用MovieLens数据集进行了一系列对比实验,结果表明,改进后的算法能够明显提高推荐的准确度.

关键词：协同过滤、时间效应、用户偏好度、用户特征向量

所属期刊栏目：37

分类号：TP3;G25

资助基金：重庆市自然基金项目CSTC2009BB2046

在线出版日期：2010-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：226-228,243