基于标签聚类和兴趣划分的协同过滤推荐算法

摘要：

传统的协同过滤算法只根据用户对资源的评分单方面地挖掘用户兴趣,未能对用户兴趣进行划分,忽略了用户兴趣随时间推移发生的变化,影响了推荐质量.为解决上述问题,提出一种能适应用户兴趣变化和有效挖掘用户兴趣的推荐算法.在传统协同过滤算法基础上考虑了标签对推荐的影响,通过标签聚类将用户的兴趣进行划分,并在标签和用户评分2个方面对目标用户的相似用户进行二重选择.考虑到用户可能会因时间的推移发生兴趣变化,在计算标签和评分权重时融入了时间因子,以对其在时间维度上进行修正.实验结果表明,改进后的算法能更好地挖掘用户兴趣,适应用户的兴趣变化,提高推荐精度.

关键词：推荐系统、协同过滤、标签聚类、兴趣划分、用户兴趣

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61170060;安徽省学术和技术带头人及后备人选学术科研活动经费资助项目2015D046;安徽省高等学校优秀拔尖人才培育项目gxbjZD2016044

在线出版日期：2017-12-14（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：146-151,160