一种利用属性重心剖分模型的时间调整协作过滤推荐算法

摘要 针对传统协作过滤推荐算法在相似性度量环节所存在的不足之处，提出一种利用属性重心剖分模型的时间调整协作过滤推荐算法，通过对项目属性矩阵填充用户所在群体所对应的普遍评分值，进而对用户—项目评分矩阵填充评分预测值，再在填充后的用户—项目评分矩阵的基础上，利用属性重心剖分模型度量出初步相似性，并结合传统相似性，得出复合相似性，最后对复合相似性进行时间维度调整，得到最终的相似性.仿真实验结果表明，与传统的协作过滤推荐算法相比，该算法可以获得更高的推荐精准度，并能够很好地适应于数据集极度稀疏、冷启动、用户兴趣漂移等特殊情形