在推荐系统中利用时间因素的方法

摘要：

针对传统推荐算法忽略时间因素的问题,根据个体用户短期行为的相似性,利用时间衰减函数计算项目间相关关系,提出基于用户兴趣的项目关联度;将其用于项目相似度的计算,提出基于用户兴趣的项目相似度;同时基于项目关联度对ItemRank算法进行改进,提出一种结合时间因素的TItemRank算法.实验结果表明,利用项目关联度对推荐算法进行改进时,在推荐项目数较少的情况下能够明显地改善推荐效果.特别地,在推荐项目数为20时,基于用户兴趣的项目相似度相比余弦相似度和Jaccard相似度,推荐准确率分别提高了21.9％、6.7％;在推荐项目数为5时,TItemRank算法相比ItemRank算法推荐准确率提高2.9％.

关键词：协同过滤、项目关联度、项目相似度、兴趣衰减、ItemRank、图模型、艾宾浩斯曲线

所属期刊栏目：35

分类号：TP182(自动化基础理论)

资助基金：国家自然科学基金资助项目60702075;广东省科技厅高新技术产业化科技攻关项目2011B010200007;四川省青年科学基金资助项目09ZQ026-068;成都市科技局创新发展战略研究项目11RXYB016ZF;四川省科技创新苗子工程项目2014-063

在线出版日期：2015-07-13（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：1324-1327,1378