曾安,高成思,徐小强.融合时间因素和用户评分特性的协同过滤算法[J].计算机科学,2017,44(9):243-249
融合时间因素和用户评分特性的协同过滤算法
Collaborative Filtering Algorithm Incorporating Time Factor and User Preference Properties
投稿时间:2016-08-27  修订日期:2016-11-28
DOI:10.11896/j.issn.1002-137X.2017.09.046
中文关键词:  推荐系统,协同过滤,时间因素,用户偏好,非对称性
英文关键词:Recommender system,Collaborative filtering,Time factor,User preference,Asymmetric
基金项目:本文受国家自然科学基金项目(61300107),广东省自然科学基金项目(S2012010010212),广州市科技计划项目(201504301341059),广东省科技计划项目(2014B090901053)资助
作者单位E-mail
曾安 广东工业大学计算机学院 广州510006  
高成思 广东工业大学计算机学院 广州510006 chancygao@163.com 
徐小强 广东工业大学计算机学院 广州510006 xxqcheers0614@163.com 
摘要点击次数: 50
全文下载次数: 39
中文摘要:
      针对传统协同过滤技术在现实应用中遇到的数据稀疏性问题和局限性,充分挖掘用户评分特性,提出融合时间因素和用户评分特性的协同过滤算法(CF-TP)。引入用户偏好模型,将用户-项目评分矩阵转化为用户-项目偏好得分矩阵,以降低用户评分习惯差异带来的影响。在预测用户对项目的偏好得分时,充分考虑用户之间的非对称影响度,根据用户兴趣随时间的变化引入时间权重函数,以提高top-N推荐的准确率。基于HetRec2011和MovieLens1M数据集的实验结果表明,相对于目前比较流行的算法,所提算法在推荐结果的准确率、召回率、F1值上均有较大的提升,有效提高了推荐系统的推荐质量。
英文摘要:
      To alleviate the impact of data sparsity and overcome the limits of traditional collaborative filtering algorithm,a novel collaborative filtering algorithm(CF-TP) by incorporating time factor and user preference properties was proposed.A user-item rating matrix is firstly converted to a user-item preference matrix by introducing a preference model,and this helps to reduce the impact of different users’ rating habits.Then the asymmetric impact between users is taken into consideration when computing the predicted scores.What’s more important,to further improve the accuracy of top-N recommendation,the time weight function considering uses’ dynamic interest changed with time is designed.The experiment results on HetRec2011 and MovieLens1M data set suggest that the proposed algorithm is superior to other advanced approaches in precision,recall and F1.
查看全文  查看/发表评论  下载PDF阅读器