一種基于領(lǐng)域信任及不信任的奇異值分解推薦算法
摘要:傳統協(xié)同過(guò)濾算法存在數據稀疏與冷啟動(dòng)問(wèn)題,社會(huì )化推薦算法雖然能在一定程度上緩解這些問(wèn)題,但大多數的算法都只從單一的角度來(lái)衡量信任關(guān)系的影響。為了更準確地度量社交關(guān)系對推薦預測的影響,提出了一種基于領(lǐng)域信任及不信任的社會(huì )化奇異值分解(Field Trust and Distrust based Singular Value Decomposition,FTDSVD)推薦算法。該算法在SVD推薦算法的基礎上加入了用戶(hù)的信任關(guān)系與不信任關(guān)系,利用不信任關(guān)系對社交關(guān)系進(jìn)行修正,并且充分考慮用戶(hù)的信任領(lǐng)域相關(guān)性和全局影響力。在Epinions數據集上將FTDSVD算法與相關(guān)算法進(jìn)行了對比,結果證實(shí)了該算法在提高推薦質(zhì)量和緩解冷啟動(dòng)問(wèn)題上效果顯著(zhù)。
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系計算機科學(xué)雜志社