融合时间和类型特征加权的矩阵分解推荐算法

摘要：

针对推荐算法的信息过期问题,结合遗忘函数和信息保持期的改进时间权重引入矩阵分解模型,提出一种基于改进时间权重的矩阵分解协同过滤算法(MFTWCF,M F-based and improved time weighted collabora tive filtering),相比前人提出的基于改进时间权重的邻域协同过滤算法(NTWCF,neighborhood-based and improved time weighted collaboratire filering algorithm),准确性显著提升了26.58％.由于过去的信息所包含的特征在随后的时间里可能被用户持续关注,从而增强过期信息对推荐的影响力,所以提出了融合时间权重和类型影响力加强权重的改进算法(MFT TWCF,M F-bosed and imporved time and type weighteel collaborative filtering)修正上述时间权重.电影数据集的实验证明,MFT TWCF算法预测的准确性比M FTWCF算法提高了3.58％,能够取得更好的推荐效果,适用于通过预测评分进行推荐的系统.

关键词：协同过滤、推荐系统、影响力加强权重、信息保持期、时间加权、矩阵分解

所属期刊栏目：42

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61701051 ,61472051;重庆市社会科学规划博士项目2014BS088

在线出版日期：2019-03-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：79-87