earticle

Abstract
 1. Introduction
 2. Related Work
  2.1 Collaborative Filtering Algorithm based on Psychological Model
  2.2 Collaborative Filtering Algorithm Considering Time Factors
 3. Characteristic Analysis of Practical Recommender Systems in China
  3.1 Recommender Systems in E-commerce Websites
  3.2 Recommender Systems in Video and Music Websites
  3.3 Recommender Systems for Small Websites
 4. Proposed Algorithm
  4.1 Improved Measure of User Similarity
  4.2 Improved Time Weight Allocation Algorithm Adapting to User Interest Drift
  4.3 Improved Algorithm for Calculating Predicted Ratings
  4.4 Procedure of the Whole Algorithm
 5. Experiment and Evaluation
  5.1 Datasets
  5.2 Evaluation Criteria With development recommender systems, becomes an subject how efficient a system be. Evaluation methodology become independent research area. Currently, common criteria are prediction precision, coverage rate, diversity credibility. P
  5.3 Results and Discussions
 6. Conclusion
 Acknowledgments
 References