基于混合信任模型的协同过滤推荐算法
协同过滤技术在面临评分数据稀疏性问题时,推荐效果较差。为了提高推荐系统的推荐精度,可以将用户在社会网络中的交互信息加入到推荐系统中来,弥补评分数据不足的问题。在本文中,提出一种基于混合信任模型的协同过滤推荐算法,该算法将用户在社会网络中的历史评级信息和交互频率合并计算用户之间的直接信任度,并通过一定的信任传递规则将没有直接关联的用户间的间接信任度也计算出来,组成稠密的用户信任矩阵。最后基于用户信任矩阵和用户评分矩阵共同来计算用户之间的相似度并预测目标用户对未评分项目的评分,得到推荐集。实验结果表明本文提出算法可以提高数据密度,改善协同过滤推荐技术的稀疏性问题,有效提高推荐精度。
协同过滤、信任模型、基于信任的推荐算法、相似度、社会网路
12
TP31(计算技术、计算机技术)
2016-08-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
257-260