论文部分内容阅读
针对购物网站营销的精准化需求，提出一种基于时间效用函数的个人兴趣推荐模型。在该推荐模型中认为人的兴趣是随着时间的变化而不断变化的，由此客户在最近的评分更可以体现出该用户的购物兴趣，并且评分越接近的用户相似度越高。对此，在对相似度进行计算中引入时间效应函数，对不同评分赋予不同的效用值，从而提高相邻相似度的准确性，大大提高购物推荐的准确性。最后通过对比实验验证了上述方案的可行性。