基于多种偏置项融合时间信息的协同过滤算法

摘 要: 协同过滤算法是实现推荐系统最重要的技术之一。随着时间的推移，用户对物品的偏好会不断地发生变 化，物品自身的流行度也会随时间不断地发生变化。目前常用的推荐算法如基于邻域的协同过滤算法itemCF、userCF 和隐语义模型算法FunkSVD、BiasSVD、SVD++都没有考虑到时间因素对推荐系统推荐质量的影响。而时间信息是一 种非常重要的上下文信息，应该在算法中加以利用。本文使用Sigmoid函数和流行度函数将时间因素融入到了BiasSVD 算法中，成功的设计出了一个融合时间信息的新算法Time-BiasSVD。在MovieLens数据集上的验证结果表明：该算法 与已有协同过滤算法，以及融合时间信息的算法timeSVD++相比，能更准确地预测用户实际评分，提高推荐系统的推 荐质量。