作者：刘云; 王颖; 亓国涛; 包智妍协同过滤商品推荐时间影响权重因子时间衰减
摘要：在推荐系统中，通过收集和分析用户在系统中的所有行为信息，创建用户独有的偏好模型，从而根据该模型推断出用户可能感兴趣的物品。传统协同推荐算法一般都是利用收集的用户行为信息，根据偏好模型分析用户的行为特点，筛选出向用户推荐的物品列表，但推荐列表大同小异。为了提高推荐的准确性和精确性，让用户在不同的时间可以看到不同的推荐结果，提出了以传统协同过滤算法为基础的改进算法。在分析用户行为信息，建立用户行为特征时，考虑不同时间下用户历史信息也不同，时间越近越能反映当前用户行为特征。用户在较短时间间隔内感兴趣的物品，具有更高的相似度。故以时间作为权重因子引入到算法中，加重近期行为在算法中所占的比重，优先向用户推荐与他浏览过的物品类似的物品，从而提高推荐物品的多样性。在典型数据集上的实验表明，在保证推荐准确度的前提下，融合时间的推荐算法准确率和召回率明显提高，验证了该算法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
