黄兰，钱育蓉

（新疆大学软件学院，乌鲁木齐 830008）

结合评分可信度和动态时间加权的推荐算法

黄兰，钱育蓉

（新疆大学软件学院，乌鲁木齐 830008）

为了解决电子商务推荐系统在推荐新项目方面的冷启动问题，同时提高用户与推荐项目的相似度，通过对比当前的推荐算法，提出一种结合可信度和动态时间加权的推荐算法。该算法引入用户评分可信度来计算用户和项目的相似性，将新项目推荐给可信度高的用户；分析用户兴趣、项目受欢迎度和时间的关系构造动态时间加权函数，将项目推荐给用户兴趣度高且项目受欢迎度高的用户。通过实验验证该算法与传统的基于用户的推荐UBCF算法相比能够提高近7%的推荐准确度，与基于项目的推荐IBCF算法相比能够提高近4.7%的推荐准确度，同时解决新项目推荐的冷启动问题。

推荐系统；协同过滤；可信度；时间加权

0 引言

近年来，随着互联网数字信息的爆炸式增长，推荐系统[1]已成为个性化服务重要的研究热点，通过预测用户的偏好给用户推荐商品、服务及个性化的信息，帮助用户解决信息过载问题。推荐系统的主要推荐技术有基于内容的推荐、协同过滤推荐、组合推荐[2-7]等，其中协同过滤推荐算法是推进系统中应用最广泛和最成功的推荐技术之一[8]、在许多领域取得较好的发展，如电子商务（阿里巴巴，Amazon、京东等）、信息检索（百度、Google、Yahoo等）、社交网络(腾讯QQ、微信、Facebook等)等。协同过滤推荐算法现面临着两个主要的挑战：（1）冷启动问题，由于新项目没有评分记录，如何推荐新项目。……