非线性组合的协同过滤推荐算法

被引：11

作者：

李国 ^{[1
]}

张智斌 ^{[1
]}

刘芳先 ^{[2
]}

姜波 ^{[1
]}

姚文伟 ^{[1
]}

机构：

[1] 昆明理工大学信息工程与自动化学院

[2] 广州城建职业学院信息工程系

来源：

计算机应用 | 2011年 / 31卷 / 11期

关键词：

个性化推荐; 协同过滤; 用户特征; 项目属性; 时间权限;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

协同过滤是目前最流行的个性化推荐技术,但现有算法局限于用户项目评分矩阵,存在稀疏性、冷开始问题,邻居相似性只考虑用户共同评分项目,忽略项目属性、用户特征相关性;同等对待用户不同时间的兴趣偏好,缺乏实时性。针对这些问题,提出一种非线性组合的协同过滤算法,改进基于项目属性、用户特征的邻居相似性计算方法,获得更加准确的最近邻居集;初始预测评分填充矩阵,以增强其稠密性;最终预测评分增加时间权限,使用户最新兴趣权重最大。实验表明,该算法通过有效降低稀疏性、冷开始和实现实时推荐,提高了预测精度。

引用

页码：3063 / 3067

页数：5

共 9 条

[1] 一种基于用户特征和时间的协同过滤算法 [J].