一种融合用户偏好和社交活跃度的推荐算法

• 作者: 李玲玲 黄俊 王粤
• 来源期刊: 电讯技术
• 关键词: 社交网络 概率矩阵分解 用户偏好 社交活跃度 评分预测
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 电子与信息工程|Electronics and Information Engineering
• 页码范围: 750-758
• 页数: 9页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2021.06.015

摘要

为有效解决传统推荐算法精度低的问题,提出了一种融合用户偏好和社交活跃度的概率矩阵分解推荐算法(Probabilistic Matrix Factorization Recommendation Algorithm Combining User Prefer-ence and Social Activity,UPSA-PMF),通过用户评分数据计算用户间的偏好信任度时,使用了共同项目平衡因子和热门项目惩罚因子进行改进;计算社交网络中的信任度时,考虑了社交活跃度与用户信任度的关系,并将社交活跃度作为惩罚因子,修正用户信任度.将偏好信任度和社交网络中的信任度以动态组合的方式得到最终的信任度,将最终的信任度与概率矩阵模型相结合,实现推荐.实验证明,改进的算法均优于现有的推荐算法,有效提高了推荐质量.