社会网络环境下的协同推荐方法

？针对传统协同过滤推荐算法的数据稀疏性及恶意评分等问题，提出了一种融合信任度与矩阵分解技术实现社会网络推荐的方法。首先通过计算节点的声望值与偏见值发现网络中的不可信节点，并将其评分权重进行弱化。然后将用户－评分矩阵与信任度矩阵相结合，实现社会网络环境下的协同推荐。实验表明，相对于传统的协同过滤算法，该算法可以消减虚假评分或恶意评分给推荐系统带来的负面影响，有效地缓解数据稀疏性与冷启动问题，显著提高推荐系统的推荐质量。