摘要：【目的】构建一种基于用户多类型兴趣波动特征预测的推荐方法以提升推荐效果。【方法】针对每种类型用户评分数据加入时间衰减因子并使用神经网络对数据波动线性拟合,选择最优参数结果并对比评估方法有效性。【结果】通过5组不同的用户数据进行仿真实验,结果表明,本文方法预测结果的MAE和RMSE分别较对比方法最高降低幅度达到47.63%和44.61%。【局限】由于时间波动的分析依赖用户历史数据,当历史数据量过于稀疏时需采用额外冷启动算法对数据进行预处理。【结论】该方法结合用户对不同商品类型兴趣漂移特征的波动分析和预测,使推荐结果更准确。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社