基于信任模型填充的协同过滤推荐模型

摘要：

针对传统协同过滤模型中存在的数据稀疏性问题，提出一种基于信任模型填充的协同过滤推荐模型。对信任属性进行研究，通过建立信任模型对评分矩阵进行预填充以提高数据存储密度，利用相似性模型分别从项目和用户属性的角度度量项目相似性，通过自适应协调因子协调处理两方面的相似性度量结果，获得最终的项目预测评分，基于不同的数据集进行实验验证，结果表明，在不同的数据集中，与传统的协同过滤模型相比，该模型能够有效地处理评分矩阵的数据稀疏性问题，提高系统评分预测的准确度，平均改进程度为8%。

关键词：推荐系统、协同过滤、信任模型、用户属性、相似性模型、平均绝对误差

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61262088,61063042;新疆大学优秀博士创新基金资助项目XJUBSCX-2011007;新疆维吾尔自治区自然科学研究基金资助项目2011211A011。

在线出版日期：2015-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：6-13