结合用户特征分类和动态时间的协同过滤推荐

谢霖铨, 梁博群. 结合用户特征分类和动态时间的协同过滤推荐, 2015年10月29日[J]. 计算机工程与应用, 2015.

（1）根据用户特征信息建立用户类别树，并根据分类树计算两两用户间相似性 simf(u,v) ；


L(hi,hj) 表示节点 i 和节点 j 具有的最大公共路径的节点个数，depth(hi) 表示节点 i 的层次。

（2）根据用户特征矩阵 T ，利用式（3）计算用户属性相似性 simAttr(u,v) ；

wl表示用户第 l 个特征的权重，simAttr(u,v,l) 表示用户 u 和用户 v 在特征 l 上的相似性。
用户 u 和用户 v 在特征 l （如年龄）上的相似性。

a 用于衡量用户之间年龄段的差值，b 主要是调整函数斜率控制不同年龄段用户之间相似度变化的快慢。

（3）利用式（6）计算综合用户特征及分类后的用户属性相似性 simc(u,v) ；


一种自适应的权重模型，根据用户 u 和用户 v 之间的相同特征个数来自动地调节 λ 的值。

（4）考虑用户特征动态变化的情况，计算用户动态变化情况下的用户相似性 simt(u,v) ；
本文根据时间跨度引入一个衰减函数

（5）根据用户评分矩阵 R ，利用式（1）计算用户评分相似性 sims(u,v) ；
皮尔逊相关相似性

（6）由式（10）计算融合了用户特征和用户评分后的用户相似性 sim(u,v) ；

Iu表示用户u 评价过的所有项目。

（7）统计目标用户 u 已评分项目集 Iu，利用式（2）预测目标用户对项目的评分 pui。