基于项目流行度及兴趣动态变化的协同过滤算法

摘要：

传统的协同过滤算法计算相似度未考虑项目流行度的影响,预测评分未考虑时间对用户兴趣变化的影响,导致相似度计算不准确、推荐结果单一.针对这些问题,结合项目流行度惩罚系数对传统相似度计算方法改进,提高算法推荐多样性,并将时间因素融入到预测方法中以解决兴趣衰减的问题.定义惩罚系数并将其融入到相似度计算方法,利用优化后的相似度寻找目标项目的最近邻;在预测用户评分时考虑时间对用户兴趣变化的影响,根据用户的评分周期和评分时间,为每项评分赋予按时间逐步递减的权重,将其融入到预测算法中.在Movlenlens的100 K数据集上的实验表明,改进的算法有效提高了推荐的准确度和覆盖率.

关键词：推荐系统、协同过滤、项目流行度、动态兴趣变化、惩罚函数、时间函数

所属期刊栏目：47

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;国家社会科学基金

在线出版日期：2023-03-03（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：136-144