结合贡献度与时间权重的协同过滤推荐算法

来源：计算机技术与发展杂志2023年第03期北京时间：

作者：贾俊康;李玲娟

摘要：传统的协同过滤推荐算法未考虑用户兴趣随时间动态变化,以及不同用户对同一项目评分差异过大对推荐效果的影响,导致推荐效果不理想。 针对以上问题,以进一步提高基于用户的协同过滤推荐算法的精度为目标,设计了一种结合贡献度与时间权重的协同过滤推荐算法 CTCF。 该算法在用户相似度计算中引入可信误差阈值、贡献度与时间权重。首先,利用用户评分信息构建用户-评分矩阵与用户-评分时间矩阵,依据可信误差阈值来计算用户贡献度;然后,引入拟合贡献度与时间因子的遗忘曲线得到时间权重,再将时间权重引入皮尔逊相关系数中计算用户相似度;找出目标用户的邻居集,并预测目标用户对邻居集对应项目中未评分项目的评分;最后,按评分由高到低生成 Top-N 推荐。 在 MovieLens数据集上的测试结果表明,CTCF 算法具有更高的 F1 值,有效提高了推荐精度和动态性

关键词：贡献度;时间因子;相似度;协同过滤;推荐