作者：李明秀; 王淑军; 贾如; 陈立荣偏置项协同过滤时间因素sigmoid函数流行度函数
摘要：协同过滤算法是实现推荐系统最重要的技术之一。随着时间的推移,用户对物品的偏好会不断地发生变化,物品自身的流行度也会随时间不断地发生变化。目前常用的推荐算法如基于邻域的协同过滤算法itemCF、userCF和隐语义模型算法FunkSVD、BiasSVD、SVD++都没有考虑到时间因素对推荐系统推荐质量的影响。而时间信息是一种非常重要的上下文信息,应该在算法中加以利用。本文使用Sigmoid函数和流行度函数将时间因素融入到了BiasSVD算法中,成功的设计出了一个融合时间信息的新算法Time-BiasSVD。在MovieLens数据集上的验证结果表明:该算法与已有协同过滤算法,以及融合时间信息的算法timeSVD++相比,能更准确地预测用户实际评分,提高推荐系统的推荐质量。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
