融合领导者影响与隐式信任度的群组推荐方法

摘要：

群组推荐需要同时考虑一组内所有成员的偏好,融合偏好进而向群组推荐项目.现有关于群组推荐方法的研究中大多使用固定的、对称的关系权重进行预测评分,忽略了群体成员之间复杂的关系影响,这会导致组推荐准确度偏低.为了解决上述问题,提出了一种融合领导者影响与隐式信任度的群组推荐方法(GRS-IT),该方法通过模糊C均值聚类与皮尔逊相关性结合的方法,发现高相似度群组,有效地提高群组推荐效果和稳定性;引入领导者影响的方法,结合皮尔逊相关性与一种隐式信任度计算找出组内领导者并获取领导者与成员、成员彼此之间的动态影响权重,降低群组推荐的误差率;此外,该方法将基于人类遗忘曲线的时间函数融入到项目评分预测中,预测评分随时间变化赋予不同的时间权重值,进一步提高了群组推荐的准确性.采用对比实验对GRS-IT的有效性进行验证,结果表明,在MovieLens100K数据集上与其他群组推荐方法相比,推荐结果在准确度和群组成员满意度方面都有显著提高.

关键词：群组推荐、模糊C均值算法、领导者影响、隐式信任度、时间函数

所属期刊栏目：58

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61772249

在线出版日期：2022-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：98-106