任务推荐中考虑任务关联度与时间因素的改进OCCF方法

摘要：

随着众包系统的兴起,人们对众包系统的关注逐渐增多.基于众包系统中的任务推荐,研究者大多将用户对任务的行为数据转化为评分,但没有考虑任务关联关系以及用户兴趣变化对推荐结果的影响.为此,提出一种考虑任务关联度与时间因素的改进OCCF方法,以对任务进行推荐.一方面,在负例抽取阶段引入兴趣遗忘函数,并根据用户活跃度抽取一定数量的负例;另一方面,在概率矩阵分解阶段融合任务相似度信息以进行分解.将所提出的方法应用于众包系统的任务推荐中,利用威客任务中国的数据集进行了实验.实验结果表明,与主流方法相比,所提方法取得了更好的结果,能有效地提高推荐质量.

关键词：任务推荐、推荐系统、OCCF、时间因素、用户兴趣变化

所属期刊栏目：45

分类号：TP391.3(计算技术、计算机技术)

资助基金：国家自然科学基金71471054 ,91646111 ,安徽省自然科学基金1608085MG150

在线出版日期：2018-08-23（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：172-177