融合项目质量与时间的矩阵分解协同过滤算法

摘要

目前,改进的协同过滤算法主要通过用户评分和项目属性获取用户偏好,以此优化最近邻选择质量完成推荐。然而这些算法在挖掘用户偏好时很少考虑项目质量和时间因素的影响,并且在产生推荐候选集时未能考虑用户对项目类型的偏好。为此,提出一种融合项目质量和时间的矩阵分解协同过滤算法(QTW-MFCF),通过引入质量和时间因子修正用户评分,结合项目类型信息构建用户—项目类型兴趣度矩阵,然后根据用户当前项目类型偏好产生推荐候选集,最后采用矩阵分解预测用户对候选集中所有项目的评分,实现top-N推荐。通过在两个公开电影数据集上的实验结果显示,该算法准确率和召回率相较于基准算法在M_(1)上分别平均提升了25.17%和44%,在M_(2)上则分别平均提升了32.9%和28.59%,实验数据表明该算法能更有效地获取用户偏好并进一步提高推荐质量。