一种基于时间和标签上下文的协同过滤推荐算法

摘要：

常规推荐算法仅考虑用户-项目评分,由于数据单一,因此算法的准确性和可靠性都比较低.本文提出将时间和标签上下文信息加入到推荐算法中,以丰富单个用户或商品的信息,利用时间信息挖掘用户间的影响关系,同时利用标签上下文来衡量物品间的关系,最后将用户关系向量和物品关系向量融合到概率矩阵分解模型中.实验结果表明,提出的协同过滤推荐算法能够提高推荐的准确性和精度.

关键词： 推荐系统 概率矩阵分解 时间上下文 标签上下文

作者: 王新华 窦羚源

作者单位: 山东师范大学信息科学与工程学院 济南 250014;山东省分布式计算机软件新技术重点实验室 济南 250014 山东师范大学信息科学与工程学院 济南 250014

会议类型: 国内会议

会议名称: 第10届全国计算机支持的协同工作学术会议暨中国计算机学会协同计算专委年度工作会议

会议地点: 太原

会议语种:中文

页码: 155-161

在线出版日期: 2015-08-28（万方平台首次上网日期，不代表论文的发表时间）