综合项目权值分配与时间相关的协同过滤模型*

朱彦松,窦桂琴

(中原工学院计算机学院,河南 郑州 450007)

综合项目权值分配与时间相关的协同过滤模型*

朱彦松,窦桂琴

(中原工学院计算机学院,河南 郑州 450007)

根据长尾理论,被反馈次数少的项目所包含的反馈信息并不少于被反馈次数较高的,传统的协同过滤算法中缺乏考虑冷门项目在最终的项目推荐过程中的影响力,对此,提出了一种改进的协同过滤推荐模型。通过对冷门项目的分析筛选,在用户相似性计算时提高冷门项目所占的比重，以体现用户的个性和兴趣。此外,考虑到时间效应的影响,在兴趣预测过程中引入时间因子。实验结果表明,提出的算法能提高寻找最近邻居的准确性,从而改善协同过滤的推荐质量。

反馈次数；协同过滤；个性化推荐；时间因子

1 引言

根据用户对信息的不同需求,个性化推荐系统可通过数据筛选和分析得到用户感兴趣的信息内容,它往往能从海量信息中提取出用户最感兴趣、最有用的结果,因此,个性化推荐系统被认为能解决信息超载问题。目前所公认的推荐算法主要包括：协同过滤推荐算法、基于内容的推荐算法、谱分析方法、主元素分析方法以及组合推荐算法等[1]。

协同过滤(Collaborative Filtering)是一种在推荐系统中广泛采用的推荐方法,通过计算用户之间的相似度寻求目标用户的最邻近邻居集合,综合这些用户对某一信息的评价后形成目标用户的推荐集。针对不同的应用需求,专家学者对基本的协同过滤算法从不同的侧重方面进行了改进。……