结合时间上下文和兴趣模型协同过滤推荐算法 |
| |
引用本文: | 王宁,崔德龙,宋丹,汤毅.结合时间上下文和兴趣模型协同过滤推荐算法[J].湖南工程学院学报(自然科学版),2023(1):40-46. |
| |
作者姓名: | 王宁 崔德龙 宋丹 汤毅 |
| |
作者单位: | 湖南工程学院计算机与通信学院 |
| |
基金项目: | 教育部人文社会科学研究资助项目(20YJA880045);;湖南省普通高等学校教学改革项目(湘教通[2019]291号);;国家级大学生创新创业训练计划项目(S202111342016); |
| |
摘 要: | 针对传统协同过滤UserCF推荐算法,用户相似度计算数据维度单一、精确率低、用户兴趣动态漂移等问题,提出一种结合时间上下文和用户兴趣动态衰减模型的协同过滤推荐算法.在传统协同过滤算法中结合时间上下文优化用户相似度的计算,引入用户收敛兴趣衰减模型,动态评估用户兴趣变化.算法通过MovieLends-1M数据集进行实验验证,按照Fβ值、准确率、召回率与传统UserCF、UserCF-IIF算法进行对比分析.实验结果表明:本文算法精确率最高可达25.6%、召回率最高可达12.2%,相比UserCF、UserCF-IIF算法,在Fβ值方面本文算法具有明显提升.
|
关 键 词: | 时间上下文 动态兴趣 协同过滤 推荐系统 |
|
|