考虑用户信任不对称性的朋友推荐算法

被引:1
作者
汪荃
叶亭吟
马雄
于洪
机构
[1] 重庆邮电大学计算机科学与技术学院
关键词
个性化推荐; 不对称性; 信任度; 树状节点匹配图;
D O I
10.19551/j.cnki.issn1672-9129.2016.03.001
中图分类号
TP391.3 [检索机];
学科分类号
081203 ; 0835 ;
摘要
朋友推荐在社会生活中应用广泛。本文在分析现有问题的基础上,考虑到用户之间信任的不对称性,提出用"亲密-相似"信任度概念来刻画用户相似性。然后,本文提出了一种新的考虑用户信任不对称性的朋友推荐算法。此外,本文将新提出的推荐算法应用在了一款基于Android软件技术的拼车朋友推荐手机APP中。为此,本文设计了树状节点匹配图将地点之间的包含关系转换成树的继承结构。最后,在公用数据集Movie Lens以及本文开发的应用系统中进行了对比实验,实验结果表明新的用户相似性定义方法是有效的,并且新算法的推荐准确度较高。
引用
收藏
页码:1 / 7
页数:7
相关论文
共 7 条
[1]   云计算环境下基于协同过滤的个性化推荐机制 [J].
朱夏 ;
宋爱波 ;
东方 ;
罗军舟 .
计算机研究与发展, 2014, 51 (10) :2255-2269
[2]   基于双重邻居选取策略的协同过滤推荐算法 [J].
贾冬艳 ;
张付志 .
计算机研究与发展, 2013, 50 (05) :1076-1084
[3]   通过相似度支持度优化基于K近邻的协同过滤算法 [J].
罗辛 ;
欧阳元新 ;
熊璋 ;
袁满 .
计算机学报, 2010, 33 (08) :1437-1445
[4]   不确定近邻的协同过滤推荐算法 [J].
黄创光 ;
印鉴 ;
汪静 ;
刘玉葆 ;
王甲海 .
计算机学报, 2010, 33 (08) :1369-1377
[5]   结合似然关系模型和用户等级的协同过滤推荐算法 [J].
高滢 ;
齐红 ;
刘杰 ;
刘大有 .
计算机研究与发展, 2008, (09) :1463-1469
[6]   基于领域最近邻的协同过滤推荐算法 [J].
李聪 ;
梁昌勇 ;
马丽 .
计算机研究与发展, 2008, (09) :1532-1538
[7]  
Factor in the neighbors[J] . Yehuda Koren. ACM Transactions on Knowledge Discovery from Data (TKDD) . 2010 (1)