求剧情
推荐系统实践 · 第二十三节

《推荐系统实践》第二十三节

本节讨论在推荐中引入时间与地点信息。时间方面,应推荐相似用户近期喜欢的物品,而非其很久以前的喜好。

本节讨论在推荐中引入时间与地点信息。

时间方面,应推荐相似用户近期喜欢的物品,而非其很久以前的喜好。UserCF可通过在相似度计算中加入时间衰减因子、在预测时侧重相似用户的最近兴趣来体现时间。此外,作者提出时间段图模型,该模型在二分图基础上增加用户时间段与物品时间段节点,并通过路径融合算法度量顶点相关性,以避免全图迭代的高复杂度。离线实验对比了多种算法,结果显示在时效性强的数据集上,融合时间信息的算法及热门推荐表现更好,而在时效性弱的数据集上各算法差异不明显。

地点方面,不同地区的用户兴趣不同,LBS应用常提供附近推荐。明尼苏达大学提出的LARS系统将物品和用户按是否有空间属性分类,利用包含位置信息的三类数据集,通过按用户位置划分数据子集并结合ItemCF进行推荐。

‹ 上一章目录下一章 ›

全部 32 章