文献类型：期刊文章

作　　者：郑志高[1] 刘京[2] 王平[3] 孙圣力[1]

机构地区：[1]北京大学软件与微电子学院,北京100260 [2]北京大学信息科学技术学院,北京100871 [3]北京大学软件工程国家工程研究中心,北京100871

出　　处：《计算机科学》

基　　金：江苏省自然科学基金项目(BK2010139)资助

年　　份：2014

卷　　号：41

期　　号：8

起止页码：7-12

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSCD、CSCD2013_2014、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：围绕传统的协同过滤推荐算法存在的局限性展开研究,提出一种时间加权不确定近邻协同过滤推荐算法TWUNCF。根据推荐系统应用的实际情况,首先对用户和产品相似度进行时间加权以保证数据有效性,在此基础上改进相似度的计算方法。同时引入近邻因子在产品群和用户群中自适应地选择预测目标的近邻对象作为推荐群,计算推荐群中推荐概率较高的信任子群,最后通过不确定近邻的动态度量方法来对预测结果进行平衡的推荐。实验结果表明,该算法考虑了数据的时间有效性,同时平衡不同群体对推荐结果的影响,避免由于数据稀疏带来的推荐结果不准确和计算难度大的问题。理论分析和模拟实验证明,该算法在一定程度上提高了系统的准确性和推荐效率。

关 键 词：协同过滤算法 时间权重  不确定近邻  信任子群  推荐系统

分 类 号：TP274.2]