在推荐系统中利用时间因素的方法

？针对传统推荐算法忽略时间因素的问题,根据个体用户短期行为的相似性,利用时间衰减函数计算项目间相关关系,提出基于用户兴趣的项目关联度;将其用于项目相似度的计算,提出基于用户兴趣的项目相似度;同时基于项目关联度对itemrank算法进行改进,提出一种结合时间因素的titemrank算法.实验结果表明,利用项目关联度对推荐算法进行改进时,在推荐项目数较少的情况下能够明显地改善推荐效果.特别地,在推荐项目数为20时,基于用户兴趣的项目相似度相比余弦相似度和jaccard相似度,推荐准确率分别提高了21.9%、6.7%;在推荐项目数为5时,titemrank算法相比itemrank算法推荐准确率提高2.9%.