基于项目聚类和评分的时间加权协同过滤算法-计算机应用研究.pdfVIP

第 卷第 期 计 算 机 应 用 研 究 年 月 基于项目聚类和评分的时间加权协同过滤算法 邓华平 上海理工大学光电信息与计算机工程学院 上海 摘 要 针对传统协同过滤算法中面临稀疏项目评分矩阵计算耗时不准确同等对待不同时间段用户的项目评 分这些影响推荐精度的问题提出了基于项目聚类和评分的时间加权协同过滤推荐算法 该算法将项目 评分与项目属性特征综合相似度高的聚到一个类别里能有效解决数据稀疏性问题降低生成最近邻居集合时 间 引入时间加权函数赋予项目评分按时间递减的权重根据加权后的评分寻找目标用户的最近邻居集合 实 验从平均绝对误差平均排序分和命中率三个指标来表明改进算法能有效提高推荐的准确性 关键词 协同过滤 同等对待 项目聚类 时间加权 最近邻居 准确性 中图分类号 文献标志码 文章编号 随着互联网的高速发展网络已经成为人们获取信息的重 传统的协同过滤算法 要渠道 面对网络信息的海量增加用户快速找到自己所需的 信息也越来越难 如何在大量数据中快速准确地找到对自己 推荐系统中协同过滤是目前最受欢迎的技术之一 它 有价值的信息成为当前研究的热点 个性化推荐系统被认 基于这样的假设为目标用户推荐其感兴趣的内容首先找到 为是解决当前信息超载最有效的工具之一 推荐系统能根据 兴趣相同或相似的其他用户将他们的兴趣偏好推荐给目标用 用户的历史记录信息结合其他相似用户对目标用户感兴趣的 户 在生活中人们往往会参考周围好友的推荐并作选择 其 信息进行推荐快速有效地找到所需信息 基本思想概括下来就是 如果用户对某些项目的评分相 但是当前个性化推荐系统常用的传统协同过滤算法面临 似那么他们对其他项目的评分也会比较相似根据历史信息 着很多挑战伴随 技术的发展和成熟网络资源急 中用户项目评分的相似性找到目标用户的最近邻居集合为其 速增长项目和用户数量急剧增多以用户的历史信息为数据 作项目推荐 传统协同过滤推荐一般可以分成三步 即 基础的传统协同过滤算法在面对项目数据非常多时目标用户 输入数据表达形成最近邻居和产生推荐 感兴趣的只是其中极小的一部分导致用户项目矩阵非常稀 输入数据表达输入数据通常情况下可以描述成一个 疏 这样寻找最近邻居不仅费时费力而且准确度不高 传 的用户项目评分矩阵 其中代表用户数 代表项 统协同过滤算法也忽视了随着时间的推移用户的兴趣偏好会 数代表第个用户对第项的评分 如果用户未对项目 评分则可用 或其他数值表示 用户项目评