融合用户信任模型的协同过滤推荐算法

• 作者: 孙咏 李岩 杨秀梅 王丹妮
• 来源期刊: 计算机系统应用
• 关键词: 协同过滤 信任模型 层次分析法 推荐系统
• 年，卷（期）: 2016,（7）
• 页码范围: 165-170
• 页数: 6页
• 字数: 5240字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005229

摘要

协同过滤推荐是电子商务系统中最为重要的技术之一。随着电子商务系统中用户数目和商品数目的增加，用户-项目评分数据稀疏性问题日益显著。传统的相似度度量方法是基于用户共同评分项目计算的，而过于稀疏的评分使得不能准确预测用户偏好，导致推荐质量急剧下降。针对上述问题，本文考虑用户评分相似性和用户之间信任关系对推荐结果的影响，利用层次分析法实现用户信任模型的构建，提出一种融合用户信任模型的协同过滤推荐算法。实验结果表明：该算法能够有效反映用户认知变化，缓解评分数据稀疏性对协同过滤推荐算法的影响，提高推荐结果的准确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李岩	中国科学院沈阳计算技术研究所	112	676	15.0	19.0
2	孙咏	中国科学院沈阳计算技术研究所	33	139	6.0	9.0
3	杨秀梅		15	83	5.0	8.0
7	王丹妮		16	31	4.0	5.0