融合云环境用户情境兴趣的移动SNS信任推荐模型

摘要 传统协同过滤（Collaborative Filtering，简称CF）推荐面临的数据稀疏性问题是当前移动社交网络服务（Social Networking Services，简称SNS）个性化推荐亟待解决的问题.在回顾相关文献的基础上，提出融合云环境用户情境兴趣的移动SNS信任推荐模型，融合移动SNS情境相似度矩阵与信任度矩阵进行CF推荐，基于此缓解数据稀疏性导致的推荐性能下降问题，同时采用MapReduce并行处理方式提高大规模复杂社交网络的并行挖掘性能.实验结果表明，融合云环境用户情境兴趣的移动SNS信任推荐模型较好地将情境相似度与信任度融入到CF推荐过程中，缓解了由于数据稀疏与信任稀疏导致的推荐精度下降问题，MapReduce化的并行处理方法也有效提升了大规模复杂社交网络的并行推荐性能.