基于時(shí)間衰減協(xié)同偏好獲取方法

　　針對(duì)現(xiàn)有的推薦系統(tǒng)多采用近鄰用戶的偏好行為來預(yù)測(cè)當(dāng)前用戶的偏好，而不考慮用戶的偏好會(huì)隨著時(shí)間的變化而改變，影響了推薦準(zhǔn)確率的問題，提出了一種基于時(shí)間衰減與偏好波動(dòng)的協(xié)同偏好獲取方法。首先，基于時(shí)間因素、用戶歷史偏好等獲取偏好衰減增量與衰減速度，并據(jù)此生成衰減函數(shù)，使用衰減函數(shù)對(duì)用戶歷史行為數(shù)據(jù)進(jìn)行衰減修正；其次，基于用戶的歷史偏好分布獲取其偏好波動(dòng)幅度；最后，將衰減函數(shù)與偏好波動(dòng)幅度分別加入到最近鄰獲取與偏好獲取流程，協(xié)同為用戶生成推薦列表。在大規(guī)模真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，所提出的方法與基于屬性評(píng)分分布的協(xié)同過濾（ RDCF）與最優(yōu)Top-N的協(xié)同過濾（OTCF）相比，平均絕對(duì)誤差（MAE）值分別降低了近6. 42%和7.73%。實(shí)驗(yàn)結(jié)果表明所提方法能夠提高推薦準(zhǔn)確度，提升推薦質(zhì)量。