用户兴趣变化和类别关联度的混合推荐算法

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-20 合作期刊: 《计算机应用研究》

陈海龙 谢晟 薛宇彤

摘要： 协同过滤算法是目前推荐系统中最普遍的个性化推荐技术。针对传统算法相似性度量方法不足的问题，提出了融合用户兴趣变化和类别关联度的混合推荐算法。算法根据用户的评分项目信息来对项目进行类别划分，挖掘出用户对不同类别项目的喜爱关注程度；同时将基于时间的兴趣度权重函数引入项目相似度计算之中来进一步提高计算的精确度，最后将改进后的相似度计算方法融入到用户聚类方法中，用户聚类之后，其所在的类别将对用户推荐准确度产生极大的作用。实验结果表明，在Movielens-1k数据集上运行该算法，该算法在运行效率和精确度上都有所提高。

 点击量 2838  下载量 914  评论