信息资源在分发共享过程中存在带宽拥塞、内容冗余等问题,播存网络借助"一点对无限点"的物理广播分发共享信息资源,对解决此类问题有独特优势.播存网络采用统一内容标签(uniform content label,UCL)适配用户兴趣和推荐信息资源,用户如何高效地获得自己感兴趣的UCL是播存网络中的关键问题.针对该问题,提出一种播存网络环境下的UCL协同过滤推荐方法(unifying collaborative filtering with popularity and timing,UCF-PT).首先,通过设定一对相似度阈值来计算用户与UCL数据的稀疏情况,根据稀疏情况决定二者对UCL评分的影响权值,并基于二者权值预测用户对UCL的评分,生成推荐结果集.其次,依据UCL热度调整推荐结果集的UCL顺序,从而使热门UCL更容易推荐给用户;最后提出UCL价值衰减函数,保证较新的UCL具备较高的推荐优先级.实验结果表明:与传统推荐方法相比,该方法不仅具有良好的推荐精度,还可保证所推荐UCL的热度与时效性,更适用于在播存网络环境下推荐UCL.
暂无评论