基于logistic时间函数和用户特征的协同过滤算法-计算机应用与软件.pdfVIP

第３４卷第２期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．２ ２０１７年２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｆｅｂ．２０１７ 基于Ｌｏｇｉｓｔｉｃ时间函数和用户特征的协同过滤算法 赵文涛　成亚飞　王春春 （河南理工大学计算机科学与技术学院　河南焦作４５４０００） 摘　要　　目前推荐系统中协同过滤算法是应用最成熟的推荐算法之一，然而传统算法没有考虑随着时间的迁 移，用户的兴趣也可能发生相应变化以及特征属性在推荐过程中对推荐结果的影响，致使预测结果不准确。为 此，提出一种新的相似性改进算法对传统算法进行改进。改进后的协同过滤算法对基于时间的Ｌｏｇｉｓｔｉｃ权重函数 与用户特征属性进行加权计算，形成一种新的相似性度量模型。实验结果表明该算法推荐平均绝对误差（ＭＡＥ） 比传统算法降低了１２％，较传统算法推荐质量有明显提高。 关键词　　协同过滤　兴趣变化　时间权重　用户特征 中图分类号　ＴＰ３９３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０２．０５１ ＣＯＬＬＡＢＯＲＡＴＩＶＥＦＩＬＴＥＲＩＮＧＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮＬＯＧＩＳＴＩＣＴＩＭＥ ＦＵＮＣＴＩＯＮＡＮＤＵＳＥＲＦＥＡＴＵＲＥＳ ＺｈａｏＷｅｎｔａｏ　ＣｈｅｎｇＹａｆｅｉ　ＷａｎｇＣｈｕｎｃｈｕｎ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｅｎａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｊｉａｏｚｕｏ４５４０００，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｔｐｒｅｓｅｎｔ，ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｏｎｅｏｆｔｈｅｍｏｓｔｍａｔｕｒｅｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｓａｐｐｌｉｅｄｉｎ ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍｓ．Ｈｏｗｅｖｅｒ，ｔｒａｄｉｔｉｏｎａｌｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓｄｏｎｏｔｔａｋｅｉｎｔｏａｃｃｏｕｎｔｔｈｅｐｒｏｂｌｅｍｏｆ ｕｓｅｒｓ’ｉｎｔｅｒｅｓｔｓｄｒｉｆｔｉｎｇｏｖｅｒｔｉｍｅａｓｗｅｌｌａｓｔｈｅｅｆｆｅｃｔｓｏｆｆｅａｔｕｒｅａｔｔｒｉｂｕｔｅｓ，ｗｈｉｃｈｍａｙｄｅｃｒｅａｓｅｔｈｅａｃｃｕｒａｃｙｏｆ ｒｅｃｏｍｍｅｎｄａｔｉｏｎｒｅｓｕｌｔｓ．Ｈｅｎｃｅ，ｉｎｏｒｄｅｒｔｏｅｎｈａｎｃｅｔｈｅｔｒａｄｉｔｉｏｎａｌａｌｇｏｒｉｔｈｍｓ，ａｎｏｖｅｌｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔａｌｇｏｒｉｔｈｍ ｉｓｐｕｔｆｏｒｗａｒｄ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｉｎｎｏｖａｔｉｖｅｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔｍｏｄｅｌｉｓｃｏｎｓｔｒｕｃｔｅｄｂｙｃｏｍｂｉｎｉｎｇｔｉｍｅｂａｓｅｄ Ｌｏｇｉｓｔｉｃｗｅｉｇｈｔｆｕｎｃｔｉｏｎａｎｄｕｓｅｒｆｅａｔｕｒｅｓｉｍｉｌａｒｉｔｙｂａｓｅｄｄａｔａｗｅｉｇｈｔ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈ ｔｒａｄｉｔｉｏｎａｌａｌｇｏｒｉｔｈｍｓ，ｔｈｅｍｅａｎａｂｓｏｌｕｔｅｅｒｒｏｒ（ＭＡＥ）ｏｆｒｅｃｏｍｍｅｎｄａｔｉｏｎｕｓｉｎｇｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｓｒｅｄｕｃｅｄｂｙａｎ ａｖｅｒａｇｅｏｆ１２％ａｎｄｔｈｅｑｕａｌｉｔｙｏｆｒｅｃｏｍｍｅｎｄａｔｉｏｎｉｓｉｍｐｒｏｖｅｄｓｉｇｎｉｆｉｃａｎｔｌｙ． Ｋｅｙｗｏｒｄｓ　　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ　Ｉｎｔｅｒｅｓｔｃｈａｎｇｅ　Ｔｉｍｅｗｅｉｇｈｔ　Ｕｓｅｒｆｅａｔｕｒｅ 法［２］就是最为典型的推荐算法。 ０　引　言 在推荐系统中推荐算法是关键要素。迄今为止， 多种推荐算法被提出，其中，冷亚军等人［３］介绍了相对 在现实生活和工作中，网络上的信息量越来越大， 完整的协同过滤知识