-
题名基于项目流行度及兴趣动态变化的协同过滤算法
- 1
-
-
作者
张萱
苏凯
钱锋
-
机构
海军工程大学管理工程与装备经济系
-
出处
《火力与指挥控制》
CSCD
北大核心
2022年第12期136-144,共9页
-
基金
国家自然科学基金(61802425)
国家社会科学基金资助项目(18BGL285)。
-
文摘
传统的协同过滤算法计算相似度未考虑项目流行度的影响,预测评分未考虑时间对用户兴趣变化的影响,导致相似度计算不准确、推荐结果单一。针对这些问题,结合项目流行度惩罚系数对传统相似度计算方法改进,提高算法推荐多样性,并将时间因素融入到预测方法中以解决兴趣衰减的问题。定义惩罚系数并将其融入到相似度计算方法,利用优化后的相似度寻找目标项目的最近邻;在预测用户评分时考虑时间对用户兴趣变化的影响,根据用户的评分周期和评分时间,为每项评分赋予按时间逐步递减的权重,将其融入到预测算法中。在Movlenlens的100 K数据集上的实验表明,改进的算法有效提高了推荐的准确度和覆盖率。
-
关键词
推荐系统
协同过滤
项目流行度
动态兴趣变化
惩罚函数
时间函数
-
Keywords
recommendation system
collaborative filtering
item popularity
dynamic interest change
penalty function
time function
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
