10.3969/j.issn.1003-3254.2014.05.029
考虑用户兴趣变化的概率隐语意协同推荐算法
推荐系统是人们从海量信息中获取对自己有用信息的一种有效途径,在学术界和工业界都受到广泛关注。协同过滤则是推荐系统领域最流行的算法,目前很多协同过滤算法都是静态模型,没有考虑到用户兴趣会随着时间而变化。本文提出一种融合算法,利用高斯概率隐语意(PLSA)模型提取出用户的长期兴趣分布,然后结合用户评分时间窗捕获用户短期兴趣变化,从而更准确的为用户做出推荐。在Netflix和MovieLens数据集的上测试表明,改进算法的预测评分准确率明显高于经典的基于用户相似度算法和PLSA算法。
推荐系统、协同过滤、概率隐语意算法、兴趣变化、时间窗
TP3;F71
2014-06-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
162-166