由于传统推荐算法未考虑项目类型和时间对用户兴趣变化的影响。为此,提出一种基于时间权重和用户兴趣变化的协同过滤算法TACF(time and interests collaborative filtering)。首先,构建用户兴趣分布矩阵,计算用户间的兴趣相似度;其次,...由于传统推荐算法未考虑项目类型和时间对用户兴趣变化的影响。为此,提出一种基于时间权重和用户兴趣变化的协同过滤算法TACF(time and interests collaborative filtering)。首先,构建用户兴趣分布矩阵,计算用户间的兴趣相似度;其次,引入时间权重函数,计算用户评分相似度;最后,组合两种相似度方法,采用改进的预测评分公式进行计算,提供更加准确的个性化推荐。实验表明,TACF算法不仅能较好地反映用户兴趣的变化,还能提高推荐精确度。展开更多
文摘由于传统推荐算法未考虑项目类型和时间对用户兴趣变化的影响。为此,提出一种基于时间权重和用户兴趣变化的协同过滤算法TACF(time and interests collaborative filtering)。首先,构建用户兴趣分布矩阵,计算用户间的兴趣相似度;其次,引入时间权重函数,计算用户评分相似度;最后,组合两种相似度方法,采用改进的预测评分公式进行计算,提供更加准确的个性化推荐。实验表明,TACF算法不仅能较好地反映用户兴趣的变化,还能提高推荐精确度。
