论文部分内容阅读
大学生作为网上消费的主体之一,相比其他消费群体,更具备消费偏好多变性特征。提出一种基于大学生偏好多变特征的协同过滤算法,针对大学生的多变性消费特征,通过建立相似性矩阵生成近邻集合,然后引入时间权重因子,模拟用户不同时期的兴趣变化,并有效地将用户兴趣变化引入到协同过滤算法中。实验证明,在原有评分信息过滤算法的基础上,引入时间权重因子,能较好地预测用户消费喜好的动态变化,提高系统推荐质量,从而有效提高稀疏数据协同过滤的准确性。