时间权重递增的协同过滤算法

摘要 协同过滤算法是目前应用最成功的推荐技术之一,但传统的协同过滤算法在推荐过程中认为数据是静态的,且各时期的评分对预测所起到的作用是等同的,导致推荐系统的推荐质量下降.针对上述问题,本文提出了一种基于时间权重模糊递增的协同过滤算法.首先,该算法将项目评分赋予时间属性,并利用项目评分的时间属性计算时间窗口的相似性度;其次,利用时间权重对符合模糊递增规律的评分进行预测,同时本文分两个阶段对时间权重进行求解以达到全局最优和局部最优;最后,通过实验仿真分析,该算法的推荐质量较传统的协同过滤算法有显著提高