摘要
传统协同过滤推荐算法侧重于用户兴趣和项目的关系,目的是向用户推荐符合其兴趣的项目.但忽略了用户兴趣随时间的变化,将不同时间段的项目评分同等对待,降低了推荐的准确率.另一方面,基于项目的协同过滤算法在寻找目标项目的最近邻居时,因需要遍历整个项目空间而导致开销较大.为了解决上述问题,设计了一种基于项目聚类和时间衰减的动态协同过滤推荐算法ITDCF.该算法适用于基于项目的协同过滤,首先根据用户的评分对项目进行聚类,以快速找出目标项目的最近邻.接着,在计算项目相似度和预测评分阶段都引入时间衰减因子,以客观反映用户兴趣,提高推荐精度.最后,将前N个项目推荐给用户.在MovieLens数据集上对Popular、ItemCF、ITDCF算法的准确率、召回率和F1值的测试结果表明,ITDCF算法在准确性和效率上都有所提高.
国家科技期刊平台
NSTL
维普
万方数据