基于时间衰减的物品相似度协同推荐算法改进

摘要

推荐系统作为信息过滤技术的典型代表,是目前解决信息过载问题的重要实现手段.其中协同过滤算法是目前推荐系统中应用最广泛的推荐算法之一.基于物品的协同过滤推荐算法,实质上是在邻近相似度计算的基础上,根据用户的历史行为特征,给用户推荐与用户之前喜欢物品相似物品的过程.文章在传统的基于物品推荐的协同算法基础上,针对用户-物品评分矩阵以及数据处理时可能存在的数据稀疏性问题,辅以时间衰减函数与修正的夹角余弦,对传统物品相似度计算方法做出改进,经过实验证明,基于时间衰减的物品相似度协同推荐算法可提高推荐结果准确性.