基于灰色关联分析和时间因素的协同过滤算法

【目的】针对传统协同过滤算法中存在的相似度可分辨性低和未考虑用户兴趣漂移的问题,本文提出一种基于灰色关联分析和时间因素的协同过滤算法以提高推荐算法的精度。【方法】首先给出基于灰色关联度的用户相似度计算方法,其次引入时间权重函数改进Pearson相关系数相似度,并结合两种相似度计算方法形成混合相似度,据此选取目标用户的近邻并做出推荐,最后采用Movie Lens数据集进行测试。【结果】与传统的协同过滤算法、单独考虑灰色关联分析或时间因素的协同过滤算法相比,本文算法的平均绝对误差降低了29.8%。【局限】本文算法时间复杂性比较高,计算混合相似度耗时较长。【结论】混合相似度的提出,提高了为目标用户推荐物品的准确度,具有较高的商业化推广前景。