计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2007年
6期
72-73,82
,共3页
协同过滤%兴趣变化%线性逐步遗忘
協同過濾%興趣變化%線性逐步遺忘
협동과려%흥취변화%선성축보유망
协同过滤系统是目前最成功的一种推荐系统,但是传统的协同过滤算法没有考虑用户兴趣变化问题,导致用户兴趣发生变化时的推荐质量较差.该文借鉴心理学遗忘规律,提出了线性逐步遗忘协同过滤算法.该算法依据评价时间线性逐步减小每项评分的重要性.基于MovieLens数据集的实验结果表明,该算法在准确性方面优于传统的协同过滤算法.
協同過濾繫統是目前最成功的一種推薦繫統,但是傳統的協同過濾算法沒有攷慮用戶興趣變化問題,導緻用戶興趣髮生變化時的推薦質量較差.該文藉鑒心理學遺忘規律,提齣瞭線性逐步遺忘協同過濾算法.該算法依據評價時間線性逐步減小每項評分的重要性.基于MovieLens數據集的實驗結果錶明,該算法在準確性方麵優于傳統的協同過濾算法.
협동과려계통시목전최성공적일충추천계통,단시전통적협동과려산법몰유고필용호흥취변화문제,도치용호흥취발생변화시적추천질량교차.해문차감심이학유망규률,제출료선성축보유망협동과려산법.해산법의거평개시간선성축보감소매항평분적중요성.기우MovieLens수거집적실험결과표명,해산법재준학성방면우우전통적협동과려산법.
