融合信任计算的协同过滤推荐方法

• 作者: 何明 杜永萍 黄亮
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 协同过滤 信任计算 推荐系统
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 417-425
• 页数: 9页
• 分类号: TP182
• 字数: 7667字
• 语种: 中文

摘要

协同过滤推荐是目前应用最为广泛的推荐策略之一,但存在数据稀疏和难扩展问题.文中在传统基于用户的协同过滤推荐算法的基础上,引入信任关系计算,利用信任关系的条件传递特性,设计并构建一个集用户声望信任和用户局部信任的混和信任网络,并将用户间评分相似度和网络中用户间信任评价度结合,为用户寻找更多基于信任因素和兴趣因素的二维相似近邻.在Epinions数据集上以平均绝对误差( MAE)和均方根误差( RSME)等作为实验评价指标,对该方法进行验证实验.结果表明相比传统协同过滤推荐算法,该方法在 MAE 上提高约6.8%,最优值达到0.7513,t检验的结果也表明该方法能显著提高推荐系统性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何明	北京工业大学计算机学院	21	333	9.0	18.0
2	杜永萍	北京工业大学计算机学院	32	389	9.0	19.0
3	黄亮	北京工业大学计算机学院	4	55	4.0	4.0