一种基于领域信任及不信任的奇异值分解推荐算法

摘要：

传统协同过滤算法存在数据稀疏与冷启动问题,社会化推荐算法虽然能在一定程度上缓解这些问题,但大多数的算法都只从单一的角度来衡量信任关系的影响.为了更准确地度量社交关系对推荐预测的影响,提出了一种基于领域信任及不信任的社会化奇异值分解(Field Trust and Distrust based Singular Value Decomposition,FTDSVD)推荐算法.该算法在SVD推荐算法的基础上加入了用户的信任关系与不信任关系,利用不信任关系对社交关系进行修正,并且充分考虑用户的信任领域相关性和全局影响力.在Epinions数据集上将FTDSVD算法与相关算法进行了对比,结果证实了该算法在提高推荐质量和缓解冷启动问题上效果显著.

关键词：信任推荐、不信任关系、领域相关性、奇异值分解(SVD)、推荐系统

所属期刊栏目：46

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61502062 ,重庆市基础与前沿研究计划项目cstc2015jcyjA40049

在线出版日期：2019-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：27-31