摘要
针对现有的协同过滤推荐算法中存在评分数据稀疏和用户兴趣动态变化的问题,提出了融合时间加权信任与用户偏好的协同过滤算法。考虑到用户评分时间的不均匀,对时间权重进行改进,并将其融入到直接信任计算中,缓解用户兴趣动态变化的问题。通过信任传递得到的间接信任以及建立用户对项目标签的偏好矩阵得到用户之间的偏好相似度来缓解数据的稀疏性。融合用户的信任度与偏好相似度进行推荐。实验结果表明,与其他基准算法相比,提出的算法具有更高的F1值,提高了推荐质量。
Aiming at the problems of sparse rating data and dynamic changes of user interests in the existing collaborative filtering recommendation algorithms,a collaborative filtering algorithm combining time-weighted trust and user preferences is proposed.Considering the unevenness of user rating time,the time weight is improved and incorporated into the direct trust calculation to alleviate the problem of dynamic changes in user interest.Through the indirect trust obtained by trust transfer and the establishment of user preference matrix for item tags,the preference similarity between users is obtained to alleviate the sparseness of data.The user’s trust and preference similarity are combined for recommendation.Experi-mental results show that compared with other baseline algorithms,the proposed algorithm has a higher F1 value,which improves the quality of recommendation.
作者
张岐山
朱猛
ZHANG Qishan;ZHU Meng(School of Economics and Management,Fuzhou University,Fuzhou 350108,China)
出处
《计算机工程与应用》
CSCD
北大核心
2022年第3期112-118,共7页
Computer Engineering and Applications
基金
国家自然科学基金(61300104)
福建省自然科学基金(2018J01791)。
关键词
协同过滤
时间权重
信任
项目标签
用户偏好
collaborative filtering
time-weighted
trust
item tag
user preferences
作者简介
张岐山(1962-),男,教授,博士生导师,研究方向为数据挖掘、系统优化与仿真;朱猛(1997-),男,硕士研究生,研究方向为数据挖掘与商务智能,E-mail:3177336975@qq.com。
