融合标签流行度和时间权重的矩阵分解推荐算法

摘要 社会化标签不仅可以描述资源而且可以表征用户的偏好,因此结合社会化标签的个性化推荐正成为互联网推荐引擎中的研究热点．针对现有基于标签的推荐研究中推荐精确度不高的问题,提出一种融合标签流行度和时间权重的矩阵分解推荐算法TPTMF,该算法同时考虑用户使用标签的频率与用户兴趣随时间变化的特点,首先根据标签的流行度和时间特征刻画用户对资源的偏好,然后采用梯度下降法对用户-资源矩阵进行分解,最后利用分解后的特征矩阵对目标用户进行预测并推荐．在数据集Last.fm上的实验结果表明该算法具有较好的推荐效果