论文部分内容阅读
常规推荐算法仅考虑用户-项目评分，由于数据单一，因此算法的准确性和可靠性都比较低。本文提出将时间和标签上下文信息加入到推荐算法中，以丰富单个用户或商品的信息，利用时间信息挖掘用户间的影响关系，同时利用标签上下文来衡量物品间的关系，最后将用户关系向量和物品关系向量融合到概率矩阵分解模型中。实验结果表明，提出的协同过滤推荐算法能够提高推荐的准确性和精度。