基于混合信任模型的协同过滤推荐算法

基于混合信任模型的协同过滤推荐算法
彭玉
【期刊名称】《电脑知识与技术》
【年(卷),期】2016(012)020
【摘要】协同过滤技术在面临评分数据稀疏性问题时，推荐效果较差。

为了提高推荐系统的推荐精度，可以将用户在社会网络中的交互信息加入到推荐系统中来，弥补评分数据不足的问题。

在本文中，提出一种基于混合信任模型的协同过滤推荐算法，该算法将用户在社会网络中的历史评级信息和交互频率合并计算用户之间的直接信任度，并通过一定的信任传递规则将没有直接关联的用户间的间接信任度也计算出来，组成稠密的用户信任矩阵。

最后基于用户信任矩阵和用户评分矩阵共同来计算用户之间的相似度并预测目标用户对未评分项目的评分，得到推荐集。

实验结果表明本文提出算法可以提高数据密度，改善协同过滤推荐技术的稀疏性问题，有效提高推荐精度。

%In the face of rating data's sparsity problem, the recommendation effect of collaborative filtering technology is not so good. In order to improve the accuracy of recommendation system, we can add the interaction with the user information in so-cial networks into the recommended system, in order to make up for the shortage of data rates. In this paper, we set up a hybrid trust model based on collaborative filtering algorithm, which combine the user rating information and interaction frequency in a social network, and calculate direct-trust-relationship between users. Following, the indirect-trust-relationship is also calculated by using some certain trust rules, and at last it forms a dense
matrix of user trust. Finally, we calculate the similarity between us-ers and predict the target ratings based on user-trust-matrix and user-scoring-matrix and get recommended set. Experimental re-sults show that the proposed algorithm can increase data density, improve the sparsity problem of collaborative filtering technol-ogy and effectively improve the recommendation accuracy.
【总页数】4页(P257-260)
【作者】彭玉
【作者单位】四川托普信息技术职业学院，四川成都611743
【正文语种】中文
【中图分类】TP31
【相关文献】
1.基于一跳信任模型的协同过滤推荐算法 [J], 王兴茂;张兴明;邬江兴
2.基于信任模型的协同过滤推荐算法 [J], 夏小伍;王卫平
3.基于协同过滤和隐语义模型的混合推荐算法 [J], 徐吉; 李小波; 陈华辉; 许浩
4.一种基于协同过滤和混合相似性模型的推荐算法 [J], 丁家满;沈书琳;贾连印;游进国;李润鑫
5.结合隐语义模型与改进用户信任的协同过滤推荐算法 [J], 黄伟建;顾明星;黄远因版权原因，仅展示原文概要，查看原文内容请购买。