为了解决传统的协同过滤推荐算法计算用户之间相似性度量时，忽略用户与物品之间的相似关系导致推荐性能下降的问题，设计了一种结合遗忘机制与用户相似度的推荐算法。该算法基于用户-用户和物品-物品余弦相似度值和关系二元性，同时引入遗忘机制，根据用户对物品的评分以及记忆留存率进行偏好权重计算，再通过仔细合并相似度的值提高系统的覆盖率和点击率。通过在数据集MovieLens上与其他链接预测算法进行对比实验，结果证明该算法的命中率相较于其他算法提高了约7%,覆盖率略高于现有算法。
科研之友
微信
新浪微博
Facebook
分享链接
