10.12068/j.issn.1005-3026.2019.04.003
基于Timed-HITS与协同过滤的混合推荐算法
用户间的信任关系、用户对商品的偏好兴趣及商品的时效性都会影响对商品的推荐效果.将这些因素引入到基本的HITS算法中,对HITS算法进行了改进.将用户对商品的偏好兴趣矩阵进行了改进,利用隐馈数据通过逻辑回归算法估计用户对商品的偏好兴趣,对评分为零的情况赋予了不同的偏好兴趣度,这样更符合实际.将改进的HITS算法和协同过滤算法相结合得到一个混合推荐算法,同时将用户分为活跃用户和非活跃用户分别进行推荐.将提出的算法在Movielens数据集上进行了试验,结果表明该算法在一定程度上缓解了数据稀疏和冷启动的问题,推荐效果优于基于用户的协同过滤算法.
HITS、信任关系、偏好兴趣、协同过滤、推荐算法
40
TP301.6(计算技术、计算机技术)
辽宁省自然科学基金资助项目201602259
2019-05-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
467-472,477