一种融合信任度和相似度的推荐算法

摘要：

推荐系统是一种能够帮助用户在面对大量信息时,能快速、有效地获取有用资源的工具.协同过滤是目前广泛使用的一种推荐技术,该技术通过相似邻居对项目的评分为源用户产生推荐,但面临数据稀疏性和冷启动的问题.基于信任模型的推荐系统虽然在一定程度上缓解了上述问题,却仍然需要进一步提高.针对这些困难,提出了一种融合了信任度和相似度的算法.该算法利用用户间的信任信息,将源用户的信任邻居对项目的评分作为该用户的个人喜好,同时根据基于物质扩散的协同过滤算法找出源用户的相似邻居,利用信任邻居和相似邻居为该用户产生推荐.在2个真实数据集上的实验结果显示,融合算法对冷启动用户的准确性比协同过滤算法分别提高了19％和37％,覆盖率分别提高27％和42％.

关键词：推荐系统、协同过滤、信任、相似性、融合

所属期刊栏目：26

分类号：TP18(自动化基础理论)

资助基金：重庆市自然科学基金CSTC2011jjA40045;国家自然科学基金61075019The Natural Science Foundation Project of Chongqing CSTCCSTC2011jjA40045;The National Natural Science Foundation of China61075019

在线出版日期：2016-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：536-540,568