基于多重信任的协同过滤推荐算法

摘要：

针对评分数据稀疏性和用户冷启动所导致的协同过滤推荐系统的准确度与覆盖率较低的问题,文中融合显性信任和隐性信任因素,提出了一种基于多重信任的协同过滤推荐算法.首先,依据用户间推荐评分的准确性与可依赖度因子,提出一种改进的均方差(Mean Squared Difference,MSD)信任度量方法,并在此基础上提出基于隐性信任信息的评分模型;其次,以最大信任传播距离为约束,提出一种显性信任信息的关系模型;最后,依据评分相似性与显性信任关系,利用0-1背包组合优化策略选择出目标用户的最优近邻集合,从而进行评分预测.在Epinions数据集上与多种主流算法的对比仿真实验结果表明,该算法通过引入有效评分和显性信任关系,极大地缓解了数据稀疏性和冷启动问题,并且在不牺牲覆盖率的条件下显著提升了推荐准确度.

关键词：协同过滤、稀疏性、冷启动、显性信任、隐性信任、0-1背包问题

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金创新群体项目61521003;国家自然科学基金资助项目61171108;国家科技支撑计划2014BAH30B01

在线出版日期：2018-06-15（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：108-115