论文部分内容阅读
针对传统协同过滤推荐算法无法及时适应用户兴趣变化的问题,提出用信息熵来计算相似度的方法,并将两个用户对同一物品评分值的差值以及Jaccard系数加权到其中。通过在相似度计算中加入用户兴趣时间性的数据权重,提出基于信息熵和用户兴趣时间性的协同过滤算法。结果表明,该算法能够适应用户兴趣随时间变化的特性,可以有效提高推荐的精确度。