结合时间权重与信任关系的协同过滤推荐算法

针对传统协同过滤推荐算法在计算用户相似度时只考虑单一的用户评分矩阵问题,提出一种结合时间权重与信任关系的协同过滤推荐算法TTCF。首先通过标签的流行度刻画用户对资源的偏好,并利用用户的时间行为信息获得用户兴趣相似度;然后通过一级与二级好友扩展用户熟悉相似度,并与兴趣相似度加权获得最终的用户相似度;最后结合用户相似度和时间衰减项为用户产生推荐。在数据集Last.fm上的实验结果表明该算法具有较好的推荐效果。