融合时间因素的协同过滤图书推荐算法

张小雷 孙刚 彭余辉

摘  要：随着互联网的遍及以及图书资源的高速更新换代，用户对图书的需求变得越来越大，传统的推荐算法已经无法满足用户及时准确寻找所喜欢的图书的需求。读者的阅读习惯会随时间变化而变化。在协同过滤图书推荐算法中融入时间因素，在计算用户和物品相似度中增加时间衰减函数可以解决读者找书难的问题。实验证明，在协同过滤图书推荐算法中融入时间因素，可以提升推荐的精准率。

关键字：协同过滤;图书推荐;时间因素;精准率

中图分类号：G250.7          文献标识码：A          文章编号：1672-4437（2021）02-0051-04

如今，随着线上和线下大量图书的出现，人们越来越难以寻找自己想要的图书。当读者想要读一本书的时候，传统的做法是去图书馆、书店等线下通过管理员查找或自己寻找，或者是去图书网站线上搜索，有时候读者花费了时间还不一定找得到。图书推荐的出现可以解决读者这方面的问题，可以为不同的读者进行专属推荐，满足其快速且有针对性的查找需求，增加图书阅读率和销量。

协同过滤图书推荐算法通过挖掘读者或图书的历史信息进行推荐，能为读者提供有效的推荐。随着时间的推移，读者的兴趣度、图书的流行度、社会群体的兴趣度等都会发生变化，这个时候如果还按之前进行推荐的话，必然会影响推荐的准确率。在基于协同过滤的推荐算法中融合时间因素，能够有效地反映最近读者或图书的变化情况，为读者提供更加实时的推荐，提高推荐效率。……