论文部分内容阅读
针对推荐系统中传统协同过滤算法遇到的数据稀疏性问题,为了充分挖掘用户的偏好,提出融合用户对项目子属性兴趣变化的协同过滤算法。通过构建项目-项目子属性矩阵,计算用户对项目子属性的偏好,使得用户的全部评分得到充分利用,同时考虑到用户兴趣偏好是动态变化的,引入时间权重因子弥补相似度计算的不足,并与传统的协同过滤相结合。结果表明该算法能有效地提高推荐质量。