基于时间因子改进个性化推荐模型

摘要

传统推荐系统算法模型主要集中研究用户偏好与物品的关联性,根据用户主观意见进行推荐,未充分考虑用户与物品所处的客观环境,造成推荐时的实际偏差。本文基于传统推荐算法引入时间因子,提高模型推荐效果。实现方法主要是通过比较引入与未引入时间因子,使用UserCF算法和ItemCF算法观察MAE值的大小变化情况。时间因子的引入,改善了传统推荐系统算法模型主要集中研究用户偏好与物品的关联性等方面的推荐失真问题,提高了模型推荐的可靠性和实用性。实验结果表明,引入时间因子能对传统协同过滤算法在MAE指标方面有一定提高,计算效果优于传统推荐算法。