Time-Weighted Uncertain Nearest Neighbor Collaborative Filtering Algorithm*

围绕传统的协同过滤推荐算法存在的局限性展开研究，提出了一种时间加权不确定近邻的协同过滤推荐算法（time-weighted uncertain nearest neighbor collaborative filtering，TWUNCF）。根据推荐系统应用的实际情况，对用户和产品相似度进行时间加权，保证数据有效性，在此基础上计算用户及产品的相似性，自适应地选择预测目标的近邻对象作为推荐群，同时计算推荐群中推荐把握概率较高的信任子群，最后通过不确定近邻的动态度量方法，对预测结果进行平衡的推荐。实验结果表明，相比传统的协同过滤算法，时间加权不确定近邻的协同过滤推荐算法具有较好的预测精度，平衡了用户群以及产品群推荐结果所带来的不稳定影响，缓解了用户评分数据稀疏情况所带来的问题。中国科技核心期刊(ISTIC)中国科学引文数据库(CSCD)0nul