融合多元信任关系的新型推荐模型
现有的基于信任关系的推荐模型大多用于预测缺失的"用户-物品"评分,未考虑信任关系自身的多样性.基于此,研究了考虑多元信任关系的物品序列推荐的矩阵分解模型.首先,针对社交网络中目标用户可分别作为信任者和受信任者2种情形,提出相应的信任者相似度因子模型(truster factored similarity model,TrusterFSM)和受信任者相似度因子模型(trustee factored similarity model,TrusteeFSM);然后,通过融合两者获得最终的信任相似度因子模型(trust factored similarity model,TrustFSM),TrustFSM引入了物品偏置、用户偏置、物品相似度、用户相似度和社交相似度的影响.最后,基于真实数据集的实验结果表明,TrustFSM获得了最优的推荐效果,所提3种模型的性能优于现有模型(有/无引入信任者信息).
推荐系统、序列推荐、矩阵分解、多元信任、社交相似度
30
TP311(计算技术、计算机技术)
国家自然科学基金;广东省自然科学基金面上项目;广东省哲学社会科学规划项目;广州市科技计划项目;华南理工大学中央高校基本科研业务费项目
2023-11-27(万方平台首次上网日期,不代表论文的发表时间)
共12页
1900-1911