科研之友
微信
新浪微博
Facebook
分享链接
摘要
协同过滤是根据用户的行为记录对用户不喜欢的产品进行过滤的。由于用户兴趣会随着时间推移发生改变,使得用户兴趣特征在不同时间段下出现一定的差异。传统的推荐方法,主要是通过用户兴趣特征进行推荐的,没有考虑时间因素造成的用户兴趣特征动态变化,导致推荐误差大,精度度低的问题。提出一种新用户兴趣变化下的协同过滤最优推荐方法。先导入用户访问时间的数据权重和资源相似度的数据权重并进行数据权重融合,计算出权重函数,在给定目标用户,组建目标用户的基准标签集,通过指数偏移后的用户标签向量筛选出目标用户的最近邻居,获取最近邻居标记资源的推荐分数,利用分数最高的前K个资源为目标用户做出最优推荐。仿真结果表明,改进的协同过滤最优推荐方法可以快速的掌握用户的兴趣变化,使推荐精确度提高。
-
单位武汉科技大学城市学院
