论文部分内容阅读
推荐系统是人们从海量信息中获取对自己有用信息的一种有效途径，在学术界和工业界都受到广泛关注．协同过滤则是推荐系统领域最流行的算法，目前很多协同过滤算法都是静态模型，没有考虑到用户兴趣会随着时间而变化．本文提出一种融合算法，利用高斯概率隐语意（PLSA）模型提取出用户的长期兴趣分布，然后结合用户评分时间窗捕获用户短期兴趣变化，从而更准确的为用户做出推荐．在Netflix和MovieLens数据集的上测试表明，改进算法的预测评分准确率明显高于经典的基于用户相似度算法和PLSA算法．