基于用户综合信任度与社区信任传播的推荐算法

摘要：

传统的协同过滤推荐算法存在数据稀疏性、用户冷启动等问题,基于信任机制的推荐算法虽然能够缓解数据稀疏性问题,但是在信任传播过程中时间成本过高.为此,提出基于用户综合信任度与社区信任传播的推荐算法,通过算法中的虚拟社区信任模型获取用户综合信任度,将其带入协同过滤算法得到推荐结果.该算法综合考虑显性和隐性2种直接信任度,得到直接综合信任度构建用户信任网络,并利用重叠社区发现算法为用户划分专属虚拟社区进行信任传播,弥补直接综合信任度数量的不足.在Epinions数据集上的实验结果表明,该算法能够在缓解数据稀疏性和用户冷启动问题的同时,降低信任传播的时间成本,提高推荐质量.

关键词：推荐算法、综合信任度、信任网络、虚拟社区、信任传播、协同过滤

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61662015;广西科技厅科技开发重点项目桂科攻1598019;NSFC-广东联合基金重点项目U1501252

在线出版日期：2019-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：294-300