一种面向稀疏和虚假评分的协同推荐方法

摘要：

针对购物网站上存在大量虚假评分和数据稀疏问题,提出了一种鲁棒性的基于群组信誉的虚假评分探测方法.首先,使用稀疏和低秩矩阵补全理论对稀疏的用户-项目矩阵进行填充;其次,建立群组信誉模型,把用户按照不同的分组大小赋予不同的信誉值,若一个用户常常存在于一个大的群组中,那么就认为他的信誉度高,否则,认为其可能是虚假评论者;第三,根据用户的不同信誉度,构造一个加权的用户-项目评分矩阵;最后,借助调整后的评分矩阵和协同过滤算法为用户推荐他们既感兴趣质量又好的商品.通过在Amazon、Netflix和MovieLnes数据集上的实验结果表明,本文的算法能够有效应对虚假评分,不仅信誉评价性能优于基本的基于组的方法,推荐结果也优于其它协同推荐算法.

关键词：个性化推荐、协同过滤、信誉评价、稀疏矩阵填充、虚假评分

所属期刊栏目：38

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金项目61373149,61472233,61672329;山东省科技计划项目2014GGB01617;山东省精品课程项目2012BK294,2013BK399,2013BK402;山东省教育科学规划项目ZK1437B010

在线出版日期：2017-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：472-477