融合用户信任模型的协同过滤推荐算法

被引：10

作者：

杨秀梅 ^{[1
,2
]}

孙咏 ^{[2
]}

王丹妮 ^{[3
]}

李岩 ^{[2
]}

机构：

[1] 中国科学院大学

[2] 中国科学院沈阳计算技术研究所

[3] 国网辽宁省电力有限公司信息通信分公司

来源：

计算机系统应用 | 2016年 / 25卷 / 07期

关键词：

协同过滤; 信任模型; 层次分析法; 推荐系统;

D O I：

10.15888/j.cnki.csa.005229

中图分类号：

TP391.3 [检索机];

学科分类号：

080201 [机械制造及其自动化];

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.

引用

页码：165 / 170

页数：6

共 6 条

[1]

一种融合项目特征和移动用户信任关系的推荐算法 [J].