基于增强相似度和隐含信任的推荐算法
针对电子商务系统中传统协同过滤算法普遍存在的稀疏性问题, 提出一种基于增强相似度和隐含信任的协同过滤算法(ETCF). 首先提出一种融合JMSD和用户偏好的增强相似度计算方法; 然后提出一种融合交互经验的直接信任计算方法, 基于直接信任和信任传播提出一种隐含信任计算方法; 最后提出一种将用户的增强相似度和隐含信任进行融合的评分预测模型. Movielens和Epinions数据集下的实验表明, 与基准算法相比本文方法具有更低的MAE值, 更高的覆盖率, 提高了推荐质量.
协同过滤、增强相似度、隐含信任、交互经验
27
2018-04-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
118-124