社交网络中基于信任的推荐算法

摘要 推荐系统作为解决信息过载问题的关键技术，已经引起了国内外研究学者的广泛关注.迄今为止，业界最广受好评的是协同过滤推荐技术.但由于其本身存在着数据稀疏、冷启动等固有问题，而难以应对膨胀的社会网络这一应用场景.本文针对推荐系统所面临的挑战，构建合适的动态信任传递模型，所设计的基于信任的推荐算法是对稀疏性、冷启动等问题的有效解决方案，且对恶意攻击具备一定的抵抗能力.最后在真实社交网络数据中对所设计的算法进行实现，并与传统推荐算法做实验对比，实验结果表明算法相比协同过滤算法在准确性和覆盖率上表现更好，且算法具备的分布式特性在复杂社会网络与大数据环境下实现了推荐实时性的要求