一种非对称相似度矩阵约束的群组协同过滤算法

摘要 针对传统协同过滤算法无法处理社交网络中逐渐形成的以群组为中心的群体行为且很少考虑用户间普遍存在的不对称关系，提出一种非对称因子约束相似度矩阵的群组协同过滤算法.首先通过构建虚拟用户作为群组特征，把多维数据降维成与用户特征等价的虚拟用户，以替代群组进行相似度计算.其次引入影响因子和偏移因子两种相似度限制因子来构建非对称相似矩阵，影响因子表示用户相互影响力的大小关系，偏移因子则考虑用户评分习惯间的差异.实验结果表明该方法与传统推荐算法相比具有收敛速度快、预测精度高的优势，提高了推荐质量并解决了群组特征处理问题