在推荐系统中利用时间因素的方法

来源：计算机应用杂志2015年第5期北京时间：

作者：范家兵, 王鹏, 周渭博, 燕京京

单位：1. 中国科学院 成都计算机应用研究所, 成都 610041;2. 中国科学院大学, 北京 100049;3. 成都信息工程学院 软件工程学院, 成都 610225

摘要：针对传统推荐算法忽略时间因素的问题,根据个体用户短期行为的相似性,利用时间衰减函数计算项目间相关关系,提出基于用户兴趣的项目关联度; 将其用于项目相似度的计算,提出基于用户兴趣的项目相似度; 同时基于项目关联度对ItemRank算法进行改进,提出一种结合时间因素的TItemRank算法.实验结果表明, 利用项目关联度对推荐算法进行改进时,在推荐项目数较少的情况下能够明显地改善推荐效果.特别地,在推荐项目数为20时,基于用户兴趣的项目相似度相比余弦相似度和Jaccard相似度,推荐准确率分别提高了21.9%、6.7%; 在推荐项目数为5时,TItemRank算法相比ItemRank算法推荐准确率提高2.9%.

关键词：协同过滤,项目关联度,项目相似度,兴趣衰减,ItemRank,图模型,艾宾浩斯曲线

基金资助：国家自然科学基金资助项目(60702075);广东省科技厅高新技术产业化科技攻关项目(2011B010200007);四川省青年科学基金资助项目(09ZQ026-068);成都市科技局创新发展战略研究项目(11RXYB016ZF);四川省科技创新苗子工程项目(2014-063).