针对目前跨域协同过滤算法仅通过评分矩阵相似性进行信息提取推荐，并未利用数据中含有的更多信息，从而导致推荐结果不理想的情况。提出一种融合多信息的改进跨域协同过滤算法。算法通过改进传统跨域协同过滤中的信息提取方式，融入了数据源中的时间与类型信息，提高了信息提取的精度与推荐的准确性。通过在MovieLens数据集与豆瓣数据集上进行对比实验，结果表明，跨域推荐算法能够在多域间进行信息传递，融入了多信息的跨域推荐算法能更为有效地提升推荐的准确性。
科研之友
微信
新浪微博
Facebook
分享链接
