基于社交标签和社交信任的概率矩阵分解推荐算法

摘要 协同过滤往往面临着数据稀疏性和冷启动问题，幸运的是，伴随着社交媒体的异军突起，社交网络产生了大量且丰富的社交特征数据信息（比如，标签，信任等）.然而，传统的推荐算法大都未能充分地利用社交特征数据信息.一些研究已经表明，利用标签或信任数据信息可以提高推荐的精度.基于评分、标签和信任数据信息可以反映用户的行为或物品的属性这个事实，基于概率矩阵分解模型，综合利用用户评分、用户标签、物品标签和用户信任数据信息提出了一种新的推荐算法STSTPMF.计算复杂度表明我们的方法具有可扩展性，能够处理非常大的数据集.在Last.fm数据集上表明我们的方法提高了推荐的精度，并且在一定程度上缓解了协同过滤面临的问题