基于协同过滤算法的个性化图书推荐系统的研究

针对传统的协同过滤推荐算法不足之处,文中引入兴趣随时间迁移函数、用户和对象相关函数及用户特性集三个方面对协同过滤算法进行优化改进,在改进后的算法中使用用户兴趣随时间的变化函数来修正用户评价矩阵,在计算用户相似度时考虑了用户和对象兴趣度,在生成最近邻居时充分考虑了用户特性相似度对推荐结果的影响。以北京信息科技大学图书管理系统中数据集进行实验,通过实验结果表明,改进后的算法在推荐的准确度上有显著的提高。