用户兴趣变化和类别关联度的混合推荐算法

摘要：

协同过滤算法是目前推荐系统中最普遍的个性化推荐技术.针对传统算法相似性度量方法不足的问题,提出了融合用户兴趣变化和类别关联度的混合推荐算法.算法根据用户的评分项目信息来对项目进行类别划分,挖掘出用户对不同类别项目的喜爱关注程度;同时将基于时间的兴趣度权重函数引入项目相似度计算之中来进一步提高计算的精确度;最后将改进后的相似度计算方法融入到用户聚类方法中,用户聚类之后,其所在的类别将对用户推荐准确度产生极大的作用.实验结果表明,在MovieLens-1k数据集上运行该算法,在运行效率和精确度上都有所提高.

关键词：协同过滤、聚类算法、类别关联度、兴趣变化、相似度

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金资助项目A201301;哈尔滨市科技创新人才研究专项资金资助项目RC2017QN010029

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：358-361