社会网络环境下的协同推荐方法

摘要：

针对传统协同过滤推荐算法的数据稀疏性及恶意评分等问题,提出了一种融合信任度与矩阵分解技术实现社会网络推荐的方法.首先通过计算节点的声望值与偏见值发现网络中的不可信节点,并将其评分权重进行弱化.然后将用户一评分矩阵与信任度矩阵相结合,实现社会网络环境下的协同推荐.实验表明,相对于传统的协同过滤算法,该算法可以消减虚假评分或恶意评分给推荐系统带来的负面影响,有效地缓解数据稀疏性与冷启动问题,显著提高推荐系统的推荐质量.

关键词：社会网络、权威、可信度、矩阵分解、推荐

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省高校自然科学研究项目13KJB520002;江苏高校优势学科建设项目

在线出版日期：2013-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：3067-3070