基于用户兴趣变化的混合推荐算法分析.pdfVIP

第8期无线互联科技No.8

2021年4月WirelessInternetTechnologyApril，2021

基于用户兴趣变化的混合推荐算法分析

范铭煜

（广东工业大学，广东 广州 510006）

摘 要：推荐算法被应用在商品购物、音乐推荐、书籍推荐等网站。如何根据这些已有的用户行为数据让用户快速做出抉择，

推荐算法显得十分重要。传统的协同过滤算法没有考虑到用户的兴趣是随时间而变化的。文章首先在传统的协同过滤算法的

基础上构建时间变化函数，对用户以往的评分数据，对数据做时间加权，提高预测用户兴趣的能力。针对当前推荐算法都会遇

到的评分稀疏性问题，文章提出了把基于时间权重的协同过滤算法与基于关联规则的推荐算法进行混合推荐，提高了算法的

准确率。

关键词：推荐算法；时间加权；基于内容；混合推荐；MAE

1   推荐算法研究现状数两种方法，同时还有对Pearson相关系数加以约束计算用

（1）协同过滤：协同过滤算法根据具有相同行为习惯的户间的相似性。皮尔森相似度公式为：

[1]

人对用户进行推荐。(rr)(rr)

umuumu

mM1,12,2

sim(u,u)

12（1）

（2）基于内容的推荐算法：基于内容的推荐算法，实际(rr)2(rr)2

u,muu,mu

mM11mM22

上是对用户行为数据的属性信息进行分析，包括了用户的属Pearson相关系数的方法将用户的评分标准不同纳入了

性及商品的属性。考虑范围，因为每个用户的评分标准尺度不同。Pearson系数

（3）混合推荐算法：混合推荐算法避免了单一算法的弊消除了用户之间平均值差异的可比性。接下来根据相关数据

端，将几种算法进行结合，达到取长补短的效果。