融合用户隐含偏好的社会化推荐算法

• 作者: 张阳洋 景永俊 杨鹏 邵堃 霍星
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 协同过滤 矩阵分解 隐含偏好 社会化推荐
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 2039-2045
• 页数: 7页
• 分类号: TP311
• 字数: 8359字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2019.10.002

摘要

协同过滤算法的基本思想是利用兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息.目前大部分算法对于相似用户的分析都是基于用户的显式偏好,没有对用户的隐含偏好进行分析与利用.用户的偏好不仅仅体现在对产品种类的喜好上,对于产品各个属性的喜好程度、评分偏好和由偏好相似而建立的信任关系等,都反映了用户在交互时所隐含的偏好.本文提出了一种融合用户隐含偏好的社会化推荐算法:通过对评分矩阵进行分解得到用户和产品的潜在特征向量,利用用户的潜在特征向量进行用户隐含属性偏好相似度的计算;为了缓解推荐系统中常见的冷启动问题,本文引入了信任关系,并将其与评分信息相联系,量化出带有用户偏好的信任关系并将其融入到算法模型之中;最后,使用动态的权重计算用户间的推荐权重.该算法在FilmTrust和Epinions数据集上进行了测试和对比,结果证实了该算法能够更加有效地预测用户评分,提高推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵堃	合肥工业大学计算机与信息学院	40	149	7.0	10.0
2	霍星	合肥工业大学数学学院	18	40	4.0	6.0
3	杨鹏	合肥工业大学计算机与信息学院	6	16	2.0	4.0
4	景永俊	合肥工业大学计算机与信息学院	6	4	1.0	2.0
8	张阳洋	合肥工业大学数学学院	4	10	1.0	3.0