一种利用属性重心剖分模型的时间调整协作过滤推荐算法

摘要

针对传统协作过滤推荐算法在相似性度量环节所存在的不足之处,提出一种利用属性重心剖分模型的时间调整协作过滤推荐算法,通过对项目属性矩阵填充用户所在群体所对应的普遍评分值,进而对用户—项目评分矩阵填充评分预测值,再在填充后的用户—项目评分矩阵的基础上,利用属性重心剖分模型度量出初步相似性,并结合传统相似性,得出复合相似性,最后对复合相似性进行时间维度调整,得到最终的相似性.仿真实验结果表明,与传统的协作过滤推荐算法相比,该算法可以获得更高的推荐精准度,并能够很好地适应于数据集极度稀疏、冷启动、用户兴趣漂移等特殊情形.