计算机应用研究

作者：葛君伟,岁飒,方义秋,

单位：重庆邮电大学a.软件工程学院;b.计算机科学与技术学院,重庆400065；

关键词：时序影响,近邻集合,社交关系,距离度量,时间衰退,

基金：重庆市基础与前沿研究计划资助项目(cstc2015jcyjA30001)；；

目前，用户的好友关系及其自身呈现的动态变化趋势，使得基于静态社交关系的推荐算法难以满足现今瞬息万变的世界。为解决准确度较低等问题，提出利用用户购买物品的时序行为挖掘隐式社交关系的方法。首先将隐式社交与相似度算法相融合，其次针对近邻评分的稀疏性，提出改进的近邻评分填补方法，然后使用填补后的近邻评分对模型预测评分进行修正，最后生成预测评分。实验部分采用MovieLens数据集评估提出的方法，并与现存算法作对比分析。结果表明，该算法与传统算法及改进算法相比更稳定，也更有效地预测了目标用户的真实评分。

来源：2020年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第12期