灰色-隐马尔科夫下的信任路径筛选及聚合算法

摘要 针对现有信任模型在推荐路径的预测及选取方面存在的问题,提出一种基于灰色-隐马尔科夫模型(grey ＆ hidden Markov model,G＆HMM)的信任路径筛选及聚合算法.首先对推荐系统的所有推荐节点进行灰色聚类分析,过滤恶意推荐路径;引入推荐接受程度衡量推荐节点的推荐可信度,然后基于灰色马尔科夫模型预测灰色推荐路径的推荐接受程度及其所在灰类状态;最后针对评价实体的观测序列构建隐马尔科夫模型,评估预测的最优推荐路径.仿真实验表明,与已有模型相比,该模型能够有效分离恶意推荐实体,提高推荐系统的有效性