基于路径融合的多图层推荐算法

图推荐算法中资源分配矩阵的计算和存储占用大量开销,为了提高基于图推荐的效率,提出一种基于路径融合的多图层混合策略推荐算法（PIML）. 该算法中,为了提高推荐精度并综合考虑多种因素以给出全面推荐,基于路径融合方法,利用分流策略优化资源分配,并对时间和评分因素加权,将人口统计学和物品内容信息融入到多图层,实现基于二部图推荐. 实验结果表明：该算法没有增加时间开销,提高了推荐精度,使推荐更全面更灵活,并可实时推荐.     

时间衰减制导的协同过滤相似性计算

协同过滤算法中,相似性计算方法是整个推荐系统的关键,决定着推荐系统的推荐质量,为了提高相似性计算的精准性,提出了一种基于时间衰减的相似性计算方法．该方法在计算用户相似性时,考虑目标物品与共同评分物品的相似性,同时在计算用户与物品相似性时,考虑时间信息（用户对物品产生行为的时间）对相似性的影响．实验结果表明,该方法能够有效地避免传统相似性计算方法的不足,使推荐系统获得更好的推荐效果．     

融合时间综合影响的轮盘赌游走个性化推荐算法

传统的基于图的推荐算法忽略了时间综合信息影响从而导致推荐质量不高。针对这一问题,提出一种融合时间综合影响的轮盘赌游走个性化推荐算法。该算法以用户项目二分图为基础,引入衰减函数,将时间综合信息对推荐的影响量化成图节点的关联概率;然后采用轮盘赌模型根据关联概率选择游走目标;最终对每个用户做出top-N推荐。实验结果表明:该算法比传统基于图的随机游走PersonalRank算法在推荐的准确度、召回率以及覆盖率指标上都有明显提高。