结合信任关系的用户聚类协同过滤推荐算法

• 作者: 刘念 孟晗 张琳琳 王嵩 高岑
• 来源期刊: 计算机系统应用
• 关键词: 协同过滤 信任关系 相似度算法 用户聚类 相邻用户
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 224-229
• 页数: 6页
• 字数: 4443字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007561

摘要

在传统的协同过滤推荐算法中,相似度计算是算法中的核心,然而之前的计算方式过于依赖用户的评分,没有考虑到用户本身的属性以及信任度,并且没有对恶意用户进行区分,为解决上诉问题,本文将一种改进的新型信任关系度量方式融入到相似度计算中,这种新型的方法不仅考虑了恶意用户的影响,并且有效地结合用户本身的属性.另外,文章就热点问题对相似度计算也进行了改进.算法最终利用初始用户聚类不断迭代得到相邻用户,有效的消除了冷启动和数据稀疏的问题.实验部分,通过与其它几种推荐算法的比较可以证明,提出的算法能够有效提升推荐准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王嵩	中国科学院沈阳计算技术研究所	59	284	8.0	14.0
2	高岑	中国科学院沈阳计算技术研究所	18	49	4.0	6.0
3	刘念	中国科学院沈阳计算技术研究所	9	169	5.0	9.0
4	张琳琳	中国科学院沈阳计算技术研究所	23	155	6.0	12.0
5	孟晗	中国科学院大学计算机控制与工程学院	1	0	0.0	0.0