基于条目流行度的协同过滤推荐优化算法

传统的基于条目(Item-based)的协同过滤算法在推荐系统中占有着举足轻重的作用,本文提出了一种针对该推荐算法的优化方法 ,抓住条目在时间维度上的评分变化规律,提出基于条目流行度的相似性计算方法 ,并通过组合其与条目内容的相似性,来改进传统的条目相似性计算方法。使得计算结果更符合实际场景,更适合在运用在实际推荐系统中,实验结果表明,本文提出的算法由于考虑到时间维度的因素,使得计算结果更加准确,并且可以显著的提高推荐精度。