科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着"数字化图书馆个性化服务"概念的提出,新书推荐成为当前读者的重要需求,提高图书服务的效率得到越来越多的关注。而协同过滤是目前个性化推荐技术中较成功的推荐算法,完全适用于新书推荐且效率较高,但也存在稀疏性与可扩展性等问题。为应对这些问题,提出了一种基于相似度传播和时间综合权重的协同过滤新书推荐算法(PTCF),算法依据数据量划分三个数据阶段,不同阶段动态选择适合的推荐方案,在相似度计算中采用传播思想以解决稀疏性问题,引入时间综合权重以应对可扩展性问题并提高新书推荐的时效性。通过处理BookCrossing社区原始数据得到图书数据集GoodBook,并经过实验与分析验证了新算法推荐方式更灵活、推荐质量更优。
- 单位
