Utilizing User Access Sequence to Mitigate the Cold Start Problem in Collaborative Filtering Recommendation

Collaborative filtering (CF) is one of the most successful recommending techniques, but it suffers from the cold start problem which severely affected the quality of recommendation. To address this problem, we propose a novel hybrid approach, named UAS-CF, which incorporates user access sequence into traditional CF for improving the quality of recommendation. Experiments on three datasets were carried out to evaluate the performance of our method. Our results show that our approach outperforms other methods and improves recommendation quality effectively.

---

W artykule zaprezentowano nowe podejście UAS-CF do obsługi poleceń, które włącza sekwencję dostępu użytkownika do klasycznego filtrowania uwspólnionego (ang. Collaborative Filtering), w celu polepszenia jakości rekomendacji. Badania eksperymentalne, przeprowadzone na trzech sekwencjach danych, wykazują wysoką jakość rekomendacji w porównaniu z innymi metodami.