10.3969/j.issn.1000-3428.2014.11.062
适应用户兴趣变化的社会化标签推荐算法研究
目前许多基于社会化标签的推荐均忽视用户的兴趣变化及反复性,影响了推荐质量。针对该问题,提出一种将指数遗忘权重和时间窗口相结合的算法,既突出了近期兴趣的重要性,又强调了反复出现的早期数据。建立基准标签集,根据指数偏移后的标签向量选出目标用户的最近邻居,通过目标用户时间窗内标记的资源计算其所有资源的推荐权重向量,结合推荐权重和资源相似度给出最近邻居标记资源的推荐分数,取分数最高的前K个资源做出推荐。仿真实验结果表明,改进后的算法能动态地跟踪、学习用户的兴趣变化,提高推荐精度。
协同过滤、标签、兴趣变化、指数遗忘、时间窗、推荐
F724.6(中国国内贸易经济)
教育部人文社会科学研究基金资助项目11YJC880163;北京市哲学社会科学规划基金资助项目11JGC136。
2014-12-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
318-321