基于时间效应的协同过滤算法
【出 处】:
【作 者】:
吴飞
余腊生
冯梅
【摘 要】协同过滤算法已被成功应用在个性化推荐系统中,但传统的协同过滤算法很少考虑时间因素的影响,难以确保最近邻集的准确性和可靠性.虽然很多文献提出了各种改进推荐算法,但仍然没能在计算中有效地将时间因素和用户评分综合起来.因此,在原有的工作基础上提出基于时间效应的协同过滤算法,将时间因素纳入用户预测评分和用户相似性计算中,并综合这两个因素来动态分配每一项评分的权重,采用预测评分填充用户-项矩阵和二次计算用户相似性矩阵的方法,最终得到Top-N推荐集.实验表明,改进后的算法提高了推荐算法的精度和推荐质量.
相关热词搜索: 协同过滤 时间效应 项集相似性 预测评分 平均绝对误差
上一篇: 数字图书馆个性化匿名发布方法
下一篇: 基于Movielens电影数据的可视分析