基于用户间信任关系改进的协同过滤推荐方法

摘要：

[目的]利用用户间信任关系改进协同过滤推荐中用户相似性计算精度,即在目标用户没有相似用户的前提下,从其信任用户中选择信任值高的作为相似用户,进而提高相似用户聚类效果,提高推荐质量,并有效缓解协同过滤推荐稀疏性和冷启动问题.[方法]筛选信任用户作为相似用户;根据选择的信任用户和目标用户形成一个项目的评分集,并对目标用户未评价过的项目进行评分估算(根据信任用户评分进行简单的评分计算);将用户间的信任关系依据方差大小进行量化,形成一个调节因子.本文的创新点就在于调节因子的计算,并将调节因子纳入用户相似性计算,形成相似性用户聚类簇,在此基础上在相似用户之间进行交叉推荐.[结果]通过平均绝对误差指标进行实验评价,结果表明基于信任关系的协同过滤推荐方法相比传统协同过滤,在推荐精度上更加准确,并同时有效缓解了冷启动和稀疏性问题.[局限]本文提出的方法仅在具有信任关系的一个算例上进行实验测试,需在其他数据集和真实应用场景下进一步检验.[结论]用户间信任关系蕴涵非常有价值的信息,对用户信任关系进行量化,并纳入用户相似性计算,在此基础上实施协同过滤推荐,对缓解冷启动与稀疏性问题具有较好的理论和实践意义.

关键词：电子商务推荐、用户信任、协同过滤、冷启动、稀疏性

分类号：TP301.6(计算技术、计算机技术)

资助基金：教育部人文社会科学一般项目“电子商务环境下顾客购物偏好推荐及企业利润挖掘”项目13YJC630195的研究成果之一

在线出版日期：2017-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：90-99