基于时间加权连接的完全三部图推荐算法

基于社会化标签的个性化推荐已成为推荐领域关注的热点问题,但面临着用户信息丢失、时间效应和用户兴趣迁移等一系列挑战。文中基于用户行为数据建立用户-物品-标签完全三部图模型,并基于此提出个性化物品推荐算法。该方法首先对用户兴趣动态迁移现象进行分析,其次综合考虑用户-物品-标签三者关系,提出了完全三部图模型,接着引入时间加权连接权重来构建新的连接关系矩阵,最后在此基础上运行Mass Diffusion推荐算法,通过综合两个方向的物质扩散来获得推荐结果。实验结果表明,文中算法能够通过反映用户兴趣的动态迁移,有效地提高推荐的准确性和多样性。