一种基于评分时间差的协同过滤算法

摘要

基于用户的协同过滤算法(User?CF)是推荐系统中最基本、最经典的算法之一,该算法在实际生活中得到广泛应用,但是传统的User?CF算法在计算用户相似性时没有考虑用户评分行为产生的时间这一重要信息,这导致寻找到的K最近邻居集可能不是最准确的最近邻居.针对这个问题,提出一种基于评分时间差的协同过滤算法,该算法按照用户评分行为的时间差值给予每个评分值一个不同的权重,然后利用加权后的评分值计算用户的相似性,从而更准确地找到目标用户的K最近邻居.实验表明,与传统的User?CF算法相比,改进后的User?CF算法能够提高推荐系统的推荐质量.