一种自适应的混合协同过滤推荐算法

摘要：

为解决协同过滤算法在处理数据量较大时存在推荐效率低的问题,提出一种自适应混合协同推荐算法.根据待推荐用户活跃度和目标物品新鲜度调节模型权重,基于张量分解计算物品间的相似度,通过短路径枚举叠加生成预测结果.实验结果表明,与CBCF算法相比,该算法推荐准确率提高了28.6％.

关键词：推荐系统、张量分解、协同过滤算法、自适应混合、短路径

所属期刊栏目：45

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金61632016;江苏省高等学校自然科学研究重大项目17KJA520003

在线出版日期：2019-08-02（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：222-228