基于时间权重因子的双向个性化推荐仿真

双向个性化推荐需要获取到用户和物品之间的交互行为数据,由于在推荐时,通常只考虑用户的兴趣偏好,忽视了用户兴趣会随时间而变化的情况。为了提高用户满意度,令需求和供给准确匹配转化为网站价值,提出了基于时间权重因子的双向个性化推荐算法。关联用户与邻近用户的关系,分析其商品偏好,计算出用户间的购买相似性,获得相似的推荐用户集合。按照余弦相似度确定用户群的商品偏好权重,计算购买差别,获得用户的偏爱标准化权重。将逻辑斯谛函数引入到皮尔逊相关相似度,判断用户间的相似度,推荐用户偏好的类似商品信息,实现双向个性化推荐。实验结果证明,所提算法能够准确得知用户兴趣的变化,且推荐平均绝对误差小。