基于用户行为和新闻时效性的农业信息协同过滤推荐算法
【摘要】 农业信息具有较强的时效性和周期性特征，传统基于行为的推荐算法能挖掘农户兴趣但不能反映农户不同时段的信息需求。同时，农户一般采用匿名网页直接浏览的方式查看农业新闻，显式反馈数据十分稀少，传统协同过滤推荐算法需要面临冷启动等问题。本文提出一种基于用户行为和新闻时效性的协同过滤推荐算法，综合采集用户的隐式、显式反馈数据等多维因素，同时考虑农业信息的分类特征及周期性特征，针对农户对不同农业信息分类信息的周期性关注度变化以及热度系数提高农业新闻推荐的针对性和时效性。通过对真实访问数据进行验证，结果表明提出的算法能有效提升农业信息推荐准确率。
