第 !" 卷#第 $ 期 #
!"#$!"# %"$$ #
计 算 机 工 程
&"'()*+,-./0.++,0./
##
%&%& 年 $ 月
12,34 %&%&
!人工智能与模式识别!
文章编号" !"""#$%&' #&"&"$"$#""T$#"S ( ( ( 文 献 标 志 码 " )(((中图分类号" *+!'
基金项目"四川省科技厅科技支撑计划!%&'(CL&"'" '四川省教育厅 % &', 自然科学重点科研项目!', L=&$&)%',L=&$&, " #
作者简介"徐慧 君 !'**! $ " %男%硕 士 研 究 生%主 研 方 向 为 推 荐 算 法&数据 挖 掘'王 # 忠%副 教 授&博 士'马 丽 萍&饶 # 华 & 何 承 恩%硕 士 研
究生#
收稿日期"%&'*5&$5'! # # 修 回 日 期 "%&'* 5&( 5&) # # -#./01",$*&&&!%* + OO$3" '
改进 U0>0:/B;=E#U6/>@时间权重推荐算法
徐慧君!王#忠! 马丽萍! 饶#华! 何承恩
! 四川大学 电气工程学院%成都 "'&&"( "
摘# 要" 传统的协同过滤算法存在数据 稀 疏&可扩 展 性 弱 和 用 户 兴 趣 度 偏 移 等 问 题%算 法 运 行 效 率 和 预 测 精 度 偏
低# 针对上述问题%提出 一 种 改 进 的 10.0:2*34 W51+2.J时 间 权 重 推 荐 算 法# 采 用 T+2,J". 相 关 系 数 改 进 10.0
:2*34 W51+2.J聚类%利用改进的聚类 算 法 对 稀 疏 评 分 矩 阵 进 行 聚 类%计 算 用 户 兴 趣 评 分 并 完 成 对 稀 疏 矩 阵 的 填
充# 考虑用户兴趣随时间变化的影响%引入牛顿 冷 却 时 间 权 重 计 算 相 似 度%并 基 于 已 填 充 评 分 矩 阵 进 行 相 似 度 加
权计算%得到项目最终评分# 实验结果表明%与传统协同过滤算 法 相 比%该算法的平 均 绝 对 误 差下降了$' $&,! %准
确率&召回率&F' 值均有较大提升%具有较高的评分预测精确度和准确度#
关键词" 协同过滤'预测填充'T+2,J". 相关系数'10.0:2*34 W51+2.J聚类'牛顿冷却定律
开放科学# 资源服务$ 标志 码# ?@A<$ "
中文引用格式"徐慧君%王忠%马丽萍%等$改进 10.0:2*34 W51+2.J时间权重推荐算法( B)$计算机工程%%&%&%!"!$"*
)$5),%," $
英文引用格式" RD F)09).% U=%> L4"./% 1= V0(0./% +* 2#$A'(,"I+K 10.0:2*34 W51+2.J *0'+58+0/4*+K
,+3"''+.K2*0". 2#/",0*4'( B) $&"'()*+,-./0.++,0./%%&%&%!" !$" *)$ 5), %,"$
I.A4856GU0>0:/B;=E#U6/>@*0.6#F60K=B6G?6;8..6>G/B08>)1K840B=.
RD F)09).%U=%> L4"./%1= V0(0./%S=? F)2%F-&4+.// +.
! &"##+/+"6-#+3*,032#-./0.++,0. /% @034)2. D.0I+,J0*7%&4+./K) "'&&"( %&40.2"
+ )D@B4/;B, M4+*,2K0*0".2#3"##2H",2*0I+60#*+,0./ 2#/",0*4' 42J*4+(,"H#+'J"6J(2,J+K2*2%8+2; J32#2H0#0*7 2.K K+I02*+K
)J+,0.*+,+J*%32)J0./ #"8+66030+.37 0. 2#/",0*4' "(+,2*0". 2.K #"8233),237 0. (,+K03*0".$M" 2KK,+JJ*4+J+(,"H#+'J%*40J
(2(+,(,"("J+J2. 0'(,"I+K 10.0:2*34 W51+2.J*0'+58+0/4*+K ,+3"''+.K2*0". 2#/",0*4'$M4+T+2,J". 3",,+#2*0".
3"+66030+.*0J)J+K *" 0'(,"I+*4+10.0:2*34 W51+2.J3#)J*+,0./%2.K *4+0'(,"I+K 3#)J*+,0./ 2#/",0*4' 0J2((#0+K *"
3#)J*+,*4+J(2,J+J3",0./ '2*,0P% 32#3)#2*+)J+,0.*+,+J*J3",+2.K 3"'(#+*+*4+60##0./ "6J(2,J+'2*,0P$>0I0./ *4+
0.6#)+.3+"6) J+,0.*+,+J*I2,70./ 80*4 *0'+%*40J(2(+,0.*,"K)3+J*4+%+8*"./ J#28"63""#0./ *0'+8+0/4**" 0'(,"I+*4+
J0'0#2,0*7$M4+60##+K J3",0./ '2*,0P 0J)J+K *" (+,6",' 8+0/4*+K 32#3)#2*0". ". *4+J0'0#2,0*7 2.K ". *40JH2J0J%*4+60.2#
J3",+0J"H*20.+K$-P(+,0'+.*2#,+J)#*JJ4"8 *42*3"'(2,+K 80*4 *4+*,2K0*0".2#3"##2H",2*0I+60#*+,0./ 2#/",0*4'%*4+'+2.
2HJ"#)*++,,","6*4+(,"("J+K 2#/",0*4' 0J,+K)3+K H7 $' $&,! %2.K *4+(,+30J0".%,+32##2.K F' I2#)+2,+0'(,"I+K 2#"*%
84034 J4"8J0*J40/4 J3",0./ (,+K03*0". 233),237$
+ E67 F84G@, 3"##2H",2*0I+60#*+,0./' (,+K03*0I+60##0./' T+2,J". 3",,+#2*0". 3"+66030+.*' 10.0:2*34 W51+2.J3#)J*+,0./'
%+8*"./ J#28 "63""#0./
CHI*'& $'*"), Q9$0JJ.$'&&& 5$!%, $&&(!%%$
"(概述
互联网高速发展带来的信息过载问题 推 动 了人
们对推荐系统 的 研 究%而 决 定 推 荐 系 统 是 否 成 功 的
关键是推荐算法
(')
# 目前推荐算法应用最 广泛的是
协同过滤算法%该算法只需用户 历史评分数据%就可
以向用户推荐
(%)
# 协同过滤算法主要有基 于近邻的
过滤算法和基于模型的过滤算法
($)
#
基于近邻的协同过滤算法由于推荐时 需 要 查找
与目标用户的最相似用户
(!)
%在大型推荐系统中%用