一种利用非对称相似度强化信任用户关系的推荐算法

摘要 为提高推荐算法的准确率，针对SocialMF中用户将其信任用户同等对待的问题，提出一种在评分数据稀疏情况用于计算信任用户相似度的方法—非对称相似度方法(AC-Sim)，通过AC-Sim来判别存在信任关系用户间是否有共同偏好，并将此偏好信息融合到已有的用户关系网中，达到强化信任网络的目的；其次将强化后的信任网络应用到PMF算法中，评分矩阵在分解过程中，用户特征向量受信任用户影响的同时，也受到与其有共同偏好用户的影响．实验结果表明，与目前较为流行的算法相比，新算法在RMSE和MAE上均取得更好的推荐效果