基于综合信任的奇异值分解推荐算法研究

摘要：

针对传统矩阵分解推荐算法中数据稀疏、冷启动和用户信任矩阵数据稀疏等问题,本文提出了一种改进的基于路径的信任计算模型,利用用户-用户之间的直接信任关系和受信任者对用户信任关系的影响,计算用户-用户之间存在的间接信任关系,从而填充用户-用户信任矩阵.在此基础上,将用户之间的信任关系与奇异值分解(SVD)模型相结合,提出了一种融合综合信任的奇异值分解算法,即CT-SVD算法.该推荐算法结合用户评分矩阵和信任关系矩阵,对传统的奇异值分解推荐算法进行优化,提高了推荐系统评分预测的准确性.在FilmTrust和Ciao数据集上的实验结果表明,该算法能够有效地缓解推荐系统的数据稀疏性和冷启动问题.

关键词：推荐系统、信任网络、综合信任、奇异值分解(SVD)

所属期刊栏目：31

资助基金：国家自然科学基金面上61973261

在线出版日期：2021-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：102-112