近年来,社会化推荐成为了推荐领域的研究热点。在基于用户历史行为的推荐算法中引入用户的社交关系,能够缓解推荐系统面临的数据稀疏性和冷启动的问题。本文提出了一种基于相对信任增强的推荐算法(relative trust enhancement recommend...近年来,社会化推荐成为了推荐领域的研究热点。在基于用户历史行为的推荐算法中引入用户的社交关系,能够缓解推荐系统面临的数据稀疏性和冷启动的问题。本文提出了一种基于相对信任增强的推荐算法(relative trust enhancement recommendation algorithm based on the CosRA,RTECosRA)。该算法在“用户-物品”的二部图网络中,基于CosRA相似性指标进行资源分配,在资源分配过程中引入用户的信任关系,调整受信任用户获得的资源值,从而提高受信任用户所选物品的推荐率。在FriendFeed和Epinions数据集上的实验结果显示,相比于基准算法,RTECosRA算法在准确性和多样性上均有提高,且加入信任关系后,扩大了用户的可推荐范围,一定程度上缓解了冷启动问题。展开更多
文摘近年来,社会化推荐成为了推荐领域的研究热点。在基于用户历史行为的推荐算法中引入用户的社交关系,能够缓解推荐系统面临的数据稀疏性和冷启动的问题。本文提出了一种基于相对信任增强的推荐算法(relative trust enhancement recommendation algorithm based on the CosRA,RTECosRA)。该算法在“用户-物品”的二部图网络中,基于CosRA相似性指标进行资源分配,在资源分配过程中引入用户的信任关系,调整受信任用户获得的资源值,从而提高受信任用户所选物品的推荐率。在FriendFeed和Epinions数据集上的实验结果显示,相比于基准算法,RTECosRA算法在准确性和多样性上均有提高,且加入信任关系后,扩大了用户的可推荐范围,一定程度上缓解了冷启动问题。
文摘为解决传统协同过滤算法中存在的数据稀疏与冷启动问题,社会化信任推荐机制被引入推荐系统,通过加入用户的显式信任信息,可有效地缓解上述问题。但是显式信任较难获取,并且数据较为稀疏,为了更好地提高推荐效率,在基于显式信任的Trust SVD算法的基础上,加入用户的隐式信任信息,提出了一种基于双信任机制的奇异值分解(singular value decomposition,SVD)算法EITrust SVD。在利用显式信任获得可靠推荐的同时,通过隐式信任的影响获得与用户喜好相关的推荐。通过实验证明,该方法可以较好地解决冷启动问题,且能提高推荐的准确率。
