融合用户兴趣度和信任度的协同过滤推荐算法

摘要：

针对传统协同过滤推荐算法推荐精度较低等问题,提出一种个性化社交活动推荐算法.采用文件主题模型求取用户与其参加过的所有社交活动的主题分布,利用隐含主题概率分布表征用户的兴趣度;利用信任传递机制求取用户间的直接信任值和间接信任值;综合用户对社交活动的兴趣度和评分,构建新的兴趣度相似矩阵得到用户间的综合相似度,将综合用户相似度与用户信任度相融合,得到个性化推荐权值,以不同的权值配比获得最终的社交化活动推荐,利用豆瓣同城数据集确定各模块的参数设置值.对比实验结果表明,在保证较高覆盖率的基础上,算法相较于其它两种推荐算法准确率至少提高了5.26％,召回率至少提高了12.5％.

关键词：协同过滤、个性化推荐、兴趣度、信任度、文件主题模型

所属期刊栏目：41

分类号：TP311;TP391(计算技术、计算机技术)

资助基金：国家自然科学基金地区科学基金项目 F030403

在线出版日期：2020-07-24（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：1967-1974