基于项目聚类和时间因素改进的推荐算法

摘要

针对传统推荐算法忽略时间因素影响的问题,根据用户行为在短期内存在较高的相似性,在计算物品相似度时引入时间衰减函数,提出一种考虑时间因素的物品相似度计算方法.同时基于聚类的思想,对项目作聚类,充分挖掘用户对项目类的兴趣度以及物品在类内的权重关系.基于上述两点对传统的协同过滤推荐算法进行改进,提出一种结合时间因素和项目聚类的TCItemCF算法.实验结果表明,采用改进的推荐算法能够明显改善推荐效果;特别地,在阻尼系数为0.01、时间衰减因子为0.5、聚类数目为160、推荐列表长度为20时,改进的推荐算法相比基于项目聚类的推荐算法ItemCluster推荐准确率提高4.9％.