《适应用户兴趣变化的改进型协同过滤算法.docx》由会员分享，可在线阅读，更多相关《适应用户兴趣变化的改进型协同过滤算法.docx（2页珍藏版）》请在三一文库上搜索。
1、适应用户兴趣变化的改进型协同过滤算法4结语通过对协同过滤算法的研究与分析，传统算法中未考虑用户兴趣的概念漂移问题，在推荐准确度与时效性方面表现不佳。本文针对此不足之处，提出了一种适应用户兴趣变化的改进型协同过滤算法。算法在度量相似度时为了避免皮尔逊相关系数方法在数据稀疏时无法计算相似度的问题从而采用了欧氏距离来计算相似度，并且将时间因素引入到传统的欧氏距离的计算中，在一定程度上解决了用户兴趣的概念漂移问题。同时，又通过将增强的时间衰减模型引入到预测值的计算中来更好地解决推荐的时效性问题。最后将对相似度的改进计算方法与预测值的改进计算方法有机地结合起来。实验结果表明改进后的算法在推荐算法的准确度
2、上有了明显的提高。本文算法仍存在以下两个不足之处：1）对用户的相似度进行计算时，由于又新构建了评分时间矩阵，因此加大了对内存的开销，增加了计算的时间；2）实验中数据集来自于电影领域，因此在算法的应用场合上有一定的局限性。在接下来的工作中，主要针对上面提到的两点不足进行改进，尝试将相似度模型进行优化，以减少内存开销与计算时间；将算法运用到其他的应用场合中，来验证算法的有效性。参考文献：【1】RESNICK P， IACOVOU N， SUCHAK M， et al. GroupLens： an open architecture for collaborative filtering of ne
3、tnews / CSCW94： Proceedings of the 1994 ACM Conference on Computer Supported Cooperative Work. New York： ACM， 1994： 175-186.【2】ADOMAVICIUS G， TUZHILIN A. Toward the next generation of recommender systems： a survey of the state-of-the-art and possible extensions . IEEE Transactions on Knowledge &
4、 Data Engineering， 2005， 17（6）：734-749.【3】SCHAFER J B， KONSTAN J， RIEDL J. Recommender systems in E-commerce / EC99： Proceedings of the 1st ACM Conference on Electronic Commerce. New York： ACM， 1999： 158-166.【4】JAYAWARDANA C， HEWAGAMAGE K P， HIRAKAWA M. A personalized information environment for dig
5、ital libraries . Information Technology & Libraries， 2001， 20（4）：185-196.【5】KONSTAN J A， MILLER B N， MALTZ D， et al. GroupLens： applying collaborative filtering to Usenet news . Communications of the ACM， 2000， 40（3）： 77-87.【6】郑先荣，曹先彬. 线性逐步遗忘协同过滤算法的研究.计算机工程，2007，33（6）：72-73. （ZHENG X R， CAO X B.
6、 Research on lineal gradual forgetting collaborative filtering algorithm . Computer Engineering， 2007， 33（6）： 72-74.）【7】任磊.一种结合评分时间特性的协同推荐算法.计算机应用与软件，2015，32（5）：112-115. （REN L. A collaborative recommendation algorithm in combination with rating time characteristic. Computer Applications and Softwar
7、e， 2015， 32（5）： 112-115.）丛晓琪，杨怀珍，刘枚莲.基于时间加权的协同过滤算法研究.计算机应用与软件，2009，26（8）：120-121. （CONG X Q， YANG H Z， LIU M L. On collaborative filtering algorithm based on time weight . Computer Applications and Software， 2009， 26（8）： 120-121.）OWEN S， ANIL R， DUNNING T， et al. Mahout in Action . Greenwich， CT： Ma
8、nning Publications， 2011： 34-47.许海玲，吴潇，李晓东，等.互联网推荐系统比较研究.软件学报，2009，20（2）：350-362. （XU H L， WU X， LI X D， et al. Comparison study of Internet recommendation system . Journal of Software， 2009， 20（2）： 350-362.）李佳，陈亚军.基于时间和共同评分项目数的协同过滤算法研究.软件导刊，2015，14（7）：61-63. （LI J，CHEN Y J. A filtering algorithm research based on time and the number of common grading. Software Guide， 2015， 14（7）： 61-63.）出处：计算机应用