基于模糊时序分类与加权相似度的推荐算法
来源：计算机工程杂志2018年第6期北京时间：
作者：卢佳乐,李为相,毛祥宇
单位：南京工业大学 电气工程与控制科学学院,南京 211800
摘要：为解决用户推荐过程中的数据稀疏性和冷启动问题,通过构建模糊时序分类模型设计相似度加权推荐算法。预处理数据时结合用户属性标签和时间维度建立模糊时序分类模型,并采用拉格朗日插值法进行空白数据的预测填充。针对不同用户个人评分偏高或偏低造成的评分差异以及单方面评级问题,利用相似度加权融合方法提高算法准确性。实验结果表明,该算法能有效降低平均绝对误差,提高推荐质量。
关键词：模糊时序,分类模型,预测填充,评分差异,加权融合
基金资助：江苏省“六大人才高峰”项目(XXR-012)。
