基于信任模型填充的协同过滤推荐模型

• 作者: 于炯 吐尔根·依布拉音 廖彬 杨兴耀 英昌甜
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 推荐系统 协同过滤 信任模型 用户属性 相似性模型 平均绝对误差
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: ?先进计算与数据处理?
• 页码范围: 6-13
• 页数: 8页
• 分类号: TP311
• 字数: 10087字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.05.002

摘要

针对传统协同过滤模型中存在的数据稀疏性问题，提出一种基于信任模型填充的协同过滤推荐模型。对信任属性进行研究，通过建立信任模型对评分矩阵进行预填充以提高数据存储密度，利用相似性模型分别从项目和用户属性的角度度量项目相似性，通过自适应协调因子协调处理两方面的相似性度量结果，获得最终的项目预测评分，基于不同的数据集进行实验验证，结果表明，在不同的数据集中，与传统的协同过滤模型相比，该模型能够有效地处理评分矩阵的数据稀疏性问题，提高系统评分预测的准确度，平均改进程度为8%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于炯	新疆大学信息科学与工程学院	176	1315	20.0	28.0
5	吐尔根·依布拉音	新疆大学信息科学与工程学院	116	771	14.0	22.0
6	杨兴耀	新疆大学信息科学与工程学院	31	455	13.0	21.0
7	英昌甜	新疆大学信息科学与工程学院	29	254	11.0	14.0
8	廖彬	新疆大学信息科学与工程学院	18	381	9.0	18.0