改进信任度的商品推荐算法研究

• 作者: 何利力 高雄
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 协同过滤 电子商务 信任因子 信任度 商品推荐
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 算法与语言
• 页码范围: 75-79
• 页数: 5页
• 分类号: TP312
• 字数: 4703字
• 语种: 中文
• DOI: 10.11907/rjdk.182836

摘要

对于有个性化推荐需求的电子商务系统,传统协同过滤推荐算法对商品的用户项目矩阵构建比较单一,难以解决数据稀疏以及推荐结果精度较低等问题.为此,提出一种改进的基于信任度的协同过滤算法,根据用户历史行为,对用户项目评分矩阵进行细分量化,综合考虑用户间关系,引入信任因子维持用户信任关系中的非对称性,通过共同评分项计算用户评分信任度.最终融合信任度与信任因子,计算获得最佳邻居集并产生最终推荐列表.在淘宝官方UserBehavior数据集下进行实验,结果表明,该算法降低了推荐稀疏性,提高了推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何利力	浙江理工大学信息学院	93	289	8.0	13.0
2	高雄	浙江理工大学信息学院	4	7	1.0	2.0