融合信任关系的协同过滤推荐算法改进研究

• 作者: 王移芝 王艳
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 资源推荐 协同过滤 相似度 信任度
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 7-11
• 页数: 5页
• 分类号: TP311
• 字数: 3922字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.12.002

摘要

随着网络技术和多媒体技术的发展，网络上教学资源的规模变得十分庞大，如何根据学习者的需要推荐其感兴趣的资源成为近年来研究的热点。然而，目前基于协同过滤的推荐算法较少考虑推荐用户与目标用户之间的信任关系，难以抵抗推荐用户的恶意推荐，无法保证推荐结果的可信性与精确度。针对这些问题，在传统协同过滤算法的基础上引入推荐者之间的信任关系，将传统协同过滤算法中的用户相似度与用户信任度进行线性加权组合，提出融合信任关系的协同过滤算法。仿真实验结果表明，与传统协同过滤推荐算法相比，该方法不仅提高了推荐的精确度，还能保证推荐结果的可信性，能更好地抵制恶意推荐。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王艳	北京交通大学计算机与信息技术学院	57	282	9.0	14.0
2	王移芝	北京交通大学计算机与信息技术学院	50	513	13.0	21.0