融合用户时效偏好的推荐算法
在推荐系统中,随时间精确捕获用户偏好能有效提高推荐精度.但基于所有用户的简单时间相关性通常是没有实际意义的,因为不同用户的偏好随着外部环境不同而发生改变.用户时下偏好受用户长期偏好和短期偏好的共同影响.为了捕获用户长期和短期偏好,在推荐系统中引入基于会话的时态图STG (Session-based Temporal Graph),提出基于STG的路径融合算法PFA(Path Fusion Algorithm),并生成对某个用户的Top-N物品推荐.使用CiteULike和Delicious两个历史数据集来评估算法的有效性,实验结果表明所提算法在准确度上要高于以往传统算法.
推荐算法、会话、时态图、偏好融合
41
TP301.6(计算技术、计算机技术)
国家自然科学基金61070024
2014-08-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
394-399