基于双信任机制的TrustSVD算法

• 作者: 张丽 田尧 秦永彬 许道云
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 信任推荐 协同过滤 奇异值分解(SVD) 推荐系统 隐式信任
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 学术研究
• 页码范围: 1391-1397
• 页数: 7页
• 分类号: TP391.3
• 字数: 5259字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1507042

摘要

为解决传统协同过滤算法中存在的数据稀疏与冷启动问题,社会化信任推荐机制被引入推荐系统,通过加入用户的显式信任信息,可有效地缓解上述问题.但是显式信任较难获取,并且数据较为稀疏,为了更好地提高推荐效率,在基于显式信任的TrustSVD算法的基础上,加入用户的隐式信任信息,提出了一种基于双信任机制的奇异值分解(singular value decomposition,SVD)算法EITrustSVD.在利用显式信任获得可靠推荐的同时,通过隐式信任的影响获得与用户喜好相关的推荐.通过实验证明,该方法可以较好地解决冷启动问题,且能提高推荐的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许道云	贵州大学计算机科学与技术学院	125	460	12.0	16.0
2	秦永彬	贵州大学计算机科学与技术学院	63	213	8.0	10.0
3	张丽	贵州大学计算机科学与技术学院	24	69	5.0	7.0
4	田尧	贵州大学计算机科学与技术学院	1	6	1.0	1.0