本文選題：個性化 + 推薦�。� 參考：《圖書情報工作》2017年S1期

【摘要】：為解決當前個性化推薦不能同時考慮用戶興趣點受時間和頻率兩個維度共同影響問題,提出一種基于本體相似度和時間衰減的動態(tài)個性化推薦算法。首先確定時間衰減函數(shù)來計算用戶興趣點的時間衰減規(guī)律,然后考慮不同興趣點訪問頻率對興趣點關(guān)注程度的影響,再次通過本體相似的綜合算法解算推薦資源與關(guān)注目標資源的相似度,最后通過興趣點更新權(quán)重與相似度的加成效果確定推薦資源的排序。實驗結(jié)果表明該算法在整體上具有較好的綜合性能,推薦資源的查準率和查全率均較高,算法的普適性和效果較好。
[Abstract]:A dynamic personalized recommendation algorithm based on ontology similarity and time attenuation is proposed to solve the problem that users' interest points can not be affected by both time and frequency dimensions. First, the time attenuation function is determined to calculate the time decay law of the user's point of interest, and then the influence of different access frequency of the point of interest on the interest degree is considered. Thirdly, the similarity between the recommended resources and the target resources is calculated by the ontology similarity synthesis algorithm. Finally, the order of the recommended resources is determined by the addition effect of updating the weights and similarity of the points of interest. The experimental results show that the algorithm has better comprehensive performance on the whole, the recall rate and recall rate of recommended resources are both higher, and the universality and effect of the algorithm are better.
【作者單位】： 云南財經(jīng)大學科研院所黨委;
【基金】：國家自然科學基金“綜合交通體系下邊境口岸物流均衡智能方法研究”(項目編號:61163035)研究成果之一
【分類號】：G252;TP391.3

【相似文獻】

相關(guān)期刊論文 前3條

1 徐慧;楊學兵;;基于本體相似度的中文科研論文信息抽取[J];計算機技術(shù)與發(fā)展;2008年12期

2 李文敬;元昌安;廖偉志;;基于本體相似度的構(gòu)件查詢算法研究[J];計算機工程與科學;2010年08期

3 李華;蘇樂;;基于關(guān)聯(lián)規(guī)則的本體相似度綜合計算方法[J];計算機應用;2012年09期

，

本文編號：1911942