随着用户和词条数量的增长,"用户-词条"评分矩阵变得极其稀疏,导致基于相似度计算的推荐算法精度降低.提出一种基于用户短期兴趣时序性变化的评分矩阵进行预填充.由于MediaWiki社区用户群之间的信任呈动态变化,定义了追随率...随着用户和词条数量的增长,"用户-词条"评分矩阵变得极其稀疏,导致基于相似度计算的推荐算法精度降低.提出一种基于用户短期兴趣时序性变化的评分矩阵进行预填充.由于MediaWiki社区用户群之间的信任呈动态变化,定义了追随率反映同一时间窗内具有相似兴趣的用户对知识推荐的参考性.最后设计实验,确定时间窗长度T的最优参数,通过比较CFBDT(Collaborative filtering based on dynarnic trust)算法与3类现有算法的效果,验证其可行性.展开更多
文摘随着用户和词条数量的增长,"用户-词条"评分矩阵变得极其稀疏,导致基于相似度计算的推荐算法精度降低.提出一种基于用户短期兴趣时序性变化的评分矩阵进行预填充.由于MediaWiki社区用户群之间的信任呈动态变化,定义了追随率反映同一时间窗内具有相似兴趣的用户对知识推荐的参考性.最后设计实验,确定时间窗长度T的最优参数,通过比较CFBDT(Collaborative filtering based on dynarnic trust)算法与3类现有算法的效果,验证其可行性.
