论文部分内容阅读
文中围绕传统的协作过滤推荐算法存在的局限性展开研究，提出了一种基于内容和评分的时间加权协作过滤算法。首先，计算用户已评分项目的时间权重，在此基础上，分别计算项目间基于内容和基于评分的时间加权相似度的值；然后，将二者相结合，计算用户间的相似度，形成兴趣更加接近的邻居集，进而进行高质量的推荐。实验结果表明，该算法不仅提高了推荐精度，降低了数据的稀疏性，而且算法的扩展性也得到了有效改善。