计算机应用研究

作者：李全,许新华,刘兴红,林松,

单位：湖北师范大学a.计算机与信息工程学院;b.教师教育学院;c.学生工作部,湖北黄石435002；

关键词：推荐系统,协同过滤,社交网络,隐含信任度,项目关联度,矩阵分解,

基金：湖北省教育厅科技项目(B2018150)；国家档案局科技计划项目(2016-x-51)；湖北省教育科学“十二五”规划项目(2011B130)；湖北省高等学校优秀中青年科技创新团队计划项目(T201515)；；

随着社交网络的发展，融合社交信息的推荐系统在一定程度上解决了协同过滤推荐系统的冷启动和数据稀疏等问题，但是在信任数据稀疏情况下，仍会造成推荐精度降低等问题。为此，提出了一种融合隐含信任度和项目关联度的矩阵分解推荐算法。首先，利用矩阵分解模型将信任数据进行分解，得到用户的潜在被信任矩阵，在此基础上引入用户的影响力，从而提出了基于隐含信任度的推荐模型；然后，为了更好地利用项目间的关联信息，反映项目间的有向性，提出了基于项目关联度的推荐模型；最后，综合两种推荐模型并构建了一种推荐算法TCRMF。实验结果表明，所提算法在评分数据和信任数据稀疏的情况下仍然可以有效地提高推荐算法的精度，具有良好的应用前景。

来源：2020年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第2期