基于时间加权的协同过滤推荐算法的改进

摘要：

为提高基于时间加权的协同过滤推荐算法的相似度精度，提出一种在基于时间加权的协同过滤算法基础上结合评分预测的方法。利用评分预测方法得出相应的评分数据，根据总体相似性赋予部分预测评分一个合理的用户评分时的时间刻度，在经过上述两步处理的评分矩阵上利用时间加权方法计算相似度。使用 MovieLens 数据集对该算法、传统协同过滤算法和基于时间加权的协同过滤算法进行对比，对比实验结果表明，相比传统协同过滤算法和基于时间加权的协同过滤算法，该算法的平均误差分别降低了近5%和3%，当邻居个数为80时，其准确率最高达到29.24%，在一定程度上降低了计算相似度时数据稀疏性对相似度精度的不利影响，有效提高了相似度精度。

关键词：时间加权、协同过滤、相似度、评分预测、稀疏性

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：贵州省科学技术基金项目黔科合J 字 LKS [2013]29号

在线出版日期：2016-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1827-1830,1872