基于用户多兴趣的协同过滤策略改进研究

协同过滤机制利用用户之间的相似性来推荐信息,能够为用户发现新的感兴趣的内容,它作为一种行之有效的技术被应用到很多领域中。但传统的协同过滤算法不能反映用户的多个兴趣及兴趣更新情况。基于此不足,在用户聚类协同过滤算法的基础上进行了改进,其基本思想是在基于用户聚类的基础上研究用户多兴趣的表示。针对用户兴趣偏好及更新情况引入基于时间的数据阈值、兴趣类型和用户项目兴趣权重的概念和公式。在此基础上将它们有机结合,融入基于用户聚类的协同过滤算法的推荐过程中。实验表明,改进后的算法比传统协同过滤算法在推荐准确度上有明显提高。