论文部分内容阅读
推荐系统中新用户在信息搜索中易出现信息稀疏的问题，以致给用户推荐相关模块的时候带来了极大困难。针对该问题，采用人口统计学中的最大期望算法对用户进行聚类找到近邻用户，然后将其作为协同过滤算法的输入。由于用户对不同项目的评分表明他们需求，相同用户评价的项目中存在一定的需求关联性。而且随着个人需求的变化，这种关联度也逐渐在变化。所以通过引入一个时间权重函数的形式，给出一种基于用户需求变化的协同过滤算法，缓解传统协同过滤推荐算法的短板。可以追踪到用户的需求，进而预测评分矩阵。通过实验和比较，该算法有助于解决用户的