在推荐系统中利用时间因素的方法

被引：8

作者：

范家兵 ^{[1
,2
]}

王鹏 ^{[3
]}

周渭博 ^{[1
,2
]}

燕京京 ^{[1
,2
]}

机构：

[1] 中国科学院成都计算机应用研究所

[2] 中国科学院大学

[3] 成都信息工程学院软件工程学院

来源：

计算机应用 | 2015年 / 35卷 / 05期

关键词：

协同过滤; 项目关联度; 项目相似度; 兴趣衰减; ItemRank; 图模型; 艾宾浩斯曲线;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

针对传统推荐算法忽略时间因素的问题,根据个体用户短期行为的相似性,利用时间衰减函数计算项目间相关关系,提出基于用户兴趣的项目关联度;将其用于项目相似度的计算,提出基于用户兴趣的项目相似度;同时基于项目关联度对ItemRank算法进行改进,提出一种结合时间因素的TItemRank算法。实验结果表明,利用项目关联度对推荐算法进行改进时,在推荐项目数较少的情况下能够明显地改善推荐效果。特别地,在推荐项目数为20时,基于用户兴趣的项目相似度相比余弦相似度和Jaccard相似度,推荐准确率分别提高了21.9%、6.7%;在推荐项目数为5时,TItemRank算法相比ItemRank算法推荐准确率提高2.9%。

引用

页码：1324 / 1327+1378 +1378

页数：5

共 8 条

[1] 基于共同用户和相似标签的好友推荐方法 [J].