基于距离衰减和评分趋势改进的协同推荐算法

王 勇，易 庭

(广东工业大学计算机学院，广东广州510006)

随着移动互联网的发展，越来越多的用户都通过手机、平板等设备接入互联网，如何从用户的位置信息中挖掘出商业利益已经成为推荐领域的研究热点.在商品推荐领域中常用的推荐算法有基于内容推荐、协同过滤推荐、基于规则推荐、基于知识推荐等算法，其中协同过滤算法是在移动推荐领域中运用最为广泛的算法［1］.但是协同过滤推荐算法在实际应用中也存在不足，其中用户评价标准不一导致评分矩阵误差较大，SVD算法提出基于矩阵奇异值分解的方法解决该问题，但是该算法效率较低、运算量大.越来越多的移动软件开始考虑用户的位置信息，试图通过用户位置信息来提供更加精准个性化的服务.

移动推荐系统可以利用地点、时间、天气等信息来影响推荐结果，其中基于位置的移动推荐系统是根据用户的位置信息来提供准确的个性化推荐［2］.移动用户的兴趣偏好随着地理位置的不同会发生变化，同时待推荐商品也随着用户位置的移动而改变.然而当前移动推荐系统中考虑位置信息比较单一，只是简单根据用户位置获取用户周边的商品和服务，或者根据用户与商品的距离对待推荐商品进行排序，并没有深入研究距离对推荐系统产生的影响.距离的远近反映了用户到达目的地的成本，推荐商品的距离越远，用户对该商品选择的概率会随之减少.对……