论文部分内容阅读
用户评分是协同推荐算法实现未知评分预测的主要依据,传统协同推荐算法一般只利用评分的数值,而忽视评分产生时间对推荐的作用,表现出随时间变化的概念漂移问题,评分数量的增长反而会导致推荐准确性呈现出下降趋势。针对现有协同推荐算法中存在的概念漂移问题,对其产生原因进行分析,结合评分时间信息对推荐的作用,从评分时间角度对推荐算法的相似度计算和评分预测过程进行改进,提出一种结合评分时间特性的协同推荐算法。通过实验进行该算法与现有协同推荐算法的对比,验证了该算法在提高推荐准确性方面的有效性。