文献类型：期刊文章

作　　者：陆航[1] 师智斌[1] 刘忠宝[2]

LU Hang;SHI Zhibin;LIU Zhongbao(Research Institute of Big Data and Network Security,School of Big Data,North University of China,Taiyuan 030051,China;School of Software,North University of China,Taiyuan 030051,China)

机构地区：[1]中北大学大数据学院大数据与网络安全研究所,太原030051 [2]中北大学软件学院,太原030051

出　　处：《计算机工程与应用》

基　　金：山西省高等学校优秀青年学术带头人项目(2016)。

年　　份：2020

卷　　号：56

期　　号：7

起止页码：24-29

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统的协同过滤算法中单一评分相似性计算不准确的问题,提出融合用户兴趣和评分差异的协同过滤推荐算法。将TF-IDF思想运用到用户对标签的权重计算中,并使用指数衰减函数和时间窗口捕捉用户兴趣的变化;根据历史评分矩阵,充分考虑用户评分值差异、评判准则差异、影响力差异和项目影响差异等影响因子,定义了一种评分差异相似性度量算法;最后将用户兴趣相似性和评分差异相似性进行加权融合,获取更加准确的用户邻居,从而预测项目评分并进行推荐。在数据集Movielens的实验表明,提出的算法能有效提高推荐精度。

关 键 词：协同过滤 TF-IDF 指数衰减函数  时间窗口  差异性  

分 类 号：TP301.6]