论文部分内容阅读
经典的协同过滤推荐模型借助于用户评分进行商品推荐,而数据稀疏性往往导致推荐准确率不高,为了缓解该问题,在传统算法基础上构建了基于信任关系优化用户评分相似度和基于时间衰减效应优化用户兴趣相似度的协同过滤推荐算法,融合这两个维度的相似性生成用户间的最终相似性,以此寻找目标用户的相似用户群,进而实施商品推荐。最后仿真实验表明该方法相较于对照算法在MAE、Precision、Recall、Coverage指标上能获得更好的推荐效果。