基于时间和自适应TOP-N的图书推荐算法研究

摘要：

[目的/意义]为缓解信息过载问题,本文提出一种基于时间和自适应TOP-N的图书推荐算法——RTAT(Book recommendation based on Rating and Time and Adaptive Top-N Algorithm),能够对用户邻居群体进行更为准确地划分,对提高图书推荐系统服务质量具有重大意义.[方法/过程]TOP-N算法是推荐系统中的一个关键算法,然而传统TOP-N算法在对图书用户进行邻居选取时并未考虑邻居间的相互性.本文就传统TOP-N算法进行改进——在进行近邻选取时,将相互性作为一个重要筛选条件,利用近邻集对用户进行图书推荐.[结果/结论]对真实图书评分数据进行算法检验的结果表明,在考虑时间因素下,RTAT算法的图书推荐系统的准确率为87.2％,相较于传统TOP-N算法提高了10.8％.RTAT算法能够获取更为合理的邻居关系,并达到提升推荐系统性能的目的.

关键词：推荐系统、用户相似度、自适应TOP-N算法、邻居相互性

分类号：G254.9(图书馆学、图书馆事业)

在线出版日期：2019-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：15-21