一种融合本地社交网络的轻量级可信服务推荐方法

摘要：

移动通信技术和在线支付技术的成熟发展,促使能满足用户各种需求的服务大量涌现,服务信息严重过载,因此,推荐系统应运而生,以帮助人们快速选择优质且符合自己个性化需求的服务.目前的服务推荐方法大多基于用户服务评价矩阵,采用全局方法计算用户间的偏好相似度,计算资源消耗较多,且不能有效对抗恶意用户的托攻击行为.针对这一问题,提出了基于用户本地社交网络的轻量级可信服务推荐方法,该方法采用改进的Advogato信任模型构建用户的本地信任网络,并考虑用户间的社交圈子相似度和互动程度,计算用户的局部信任权重,然后融合局部信任权重和用户的服务评价相似性,进行目标用户的服务评分预测.基于真实数据集与其他推荐方法的对比实验表明,该推荐方法具有更高的评分预测准确度,能更有效的抵抗托攻击行为,并具有更低的计算复杂度.

关键词：推荐系统、协同过滤、本地信任网络、可信服务、线下服务

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目71662014,61602219,61462030,71361012

在线出版日期：2018-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：806-813