社交信任下的可信服务推荐方法
随着能满足用户需求的服务海量增加,推荐系统成了用户解决服务信息过载的重要手段.传统的协同过滤推荐方法普遍存在着数据稀疏、冷启动的问题,且大多数以用户评分作为判断用户相似性的基础,这使得恶意用户能够轻易复制、模拟目标用户的行为,并进行恶意推荐.针对以上问题,文中将Mark Granovetter所提出的社会网络理论引入到服务推荐方法中,将用户之间的社交关系热度、社交关系亲密度及推荐用户的社交关系核心度作为社交信任因素进行考虑,同时对用户的服务评分进行加权计算,并考虑推荐用户的服务认知程度,提出一种基于社交信任的可信服务推荐方法.实验结果表明:与现有的其他推荐方法相比,该方法在平均绝对误差和均方根误差上都取得了更好的计算结果,并且该方法能够较好的抵抗用户的恶意推荐攻击.
推荐系统、社交信任度、可信服务、加权服务评价
38
TP399(计算技术、计算机技术)
国家自然科学基金项目61602219,61262011,61462030;江西省科技计划项目20123BBE50091
2017-08-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
503-508