结合隐语义模型与改进用户信任的协同过滤推荐算法

摘要：

为了改善传统的协同过滤推荐算法由于数据稀疏性以及过于强调相似度的作用而导致预测准确率较低的现象,提出一种改进算法,即结合隐语义模型与改进用户信任的协同过滤推荐算法.该算法首先利用隐语义模型对原始评分矩阵进行空缺值填充,从而降低矩阵的稀疏度;其次在传统的用户信任关系上引入正负反馈因子来降低用户信任误差,并将改进的用户信任通过线性加权的方式与修正余弦相似度相结合,从而改善用户之间的相似性,使得计算结果更具实际意义.在MovieLens数据集上进行仿真,结果表明,所提算法能有效地提高推荐的预测准确性.

关键词：推荐算法、协同过滤、隐语义模型、用户信任、稀疏度降低、相似度计算、对比分析

所属期刊栏目：44

分类号：TN911.23⁃34;TP311

资助基金：河北省自然科学基金;河北省高等学校科学技术研究项目

在线出版日期：2021-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：141-144