用户的行为偏好往往会受到社交关系、时间因素等多种因素影响,只考虑单一因素会导致构建的用户兴趣模型比较片面,从而难以准确地产生推荐。为此,提出一种融合用户社交关系和时间因素的主题模型推荐算法。首先利用主题模型对用户打标签的行为进行主题建模,得到用户-物品概率矩阵；然后根据用户标注物品的时间计算用户标注行为的时间权重,再将时间权重与用户的标注行为权重相结合,计算基于时间的用户相似度；并利用用户的社交关系与基于时间的用户相似度进行加权处理得到用户的权重；最后根据用户权重,考虑其它用户的影响,得到用户对物品最终的偏好权重,根据排名产生推荐。在Last.fm数据集上对比实验表明,该算法能更全面地考虑用户特征,从而有效提高推荐的质量。
