首页 | 本学科首页   官方微博 | 高级检索  
     

融合时间因素和用户评分特性的协同过滤算法
引用本文:曾安,高成思,徐小强. 融合时间因素和用户评分特性的协同过滤算法[J]. 计算机科学, 2017, 44(9): 243-249
作者姓名:曾安  高成思  徐小强
作者单位:广东工业大学计算机学院 广州510006,广东工业大学计算机学院 广州510006,广东工业大学计算机学院 广州510006
基金项目:本文受国家自然科学基金项目(61300107),广东省自然科学基金项目(S2012010010212),广州市科技计划项目(201504301341059),广东省科技计划项目(2014B090901053)资助
摘    要:针对传统协同过滤技术在现实应用中遇到的数据稀疏性问题和局限性,充分挖掘用户评分特性,提出融合时间因素和用户评分特性的协同过滤算法(CF-TP)。引入用户偏好模型,将用户-项目评分矩阵转化为用户-项目偏好得分矩阵,以降低用户评分习惯差异带来的影响。在预测用户对项目的偏好得分时,充分考虑用户之间的非对称影响度,根据用户兴趣随时间的变化引入时间权重函数,以提高top-N推荐的准确率。基于HetRec2011和MovieLens1M数据集的实验结果表明,相对于目前比较流行的算法,所提算法在推荐结果的准确率、召回率、F1值上均有较大的提升,有效提高了推荐系统的推荐质量。

关 键 词:推荐系统  协同过滤  时间因素  用户偏好  非对称性
收稿时间:2016-08-27
修稿时间:2016-11-28

Collaborative Filtering Algorithm Incorporating Time Factor and User Preference Properties
ZENG An,GAO Cheng-si and XU Xiao-qiang. Collaborative Filtering Algorithm Incorporating Time Factor and User Preference Properties[J]. Computer Science, 2017, 44(9): 243-249
Authors:ZENG An  GAO Cheng-si  XU Xiao-qiang
Affiliation:School of Computer,Guangdong University of Technology,Guangzhou 510006,China,School of Computer,Guangdong University of Technology,Guangzhou 510006,China and School of Computer,Guangdong University of Technology,Guangzhou 510006,China
Abstract:
Keywords:Recommender system  Collaborative filtering  Time factor  User preference  Asymmetric
点击此处可从《计算机科学》浏览原始摘要信息
点击此处可从《计算机科学》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号