|
中山大学学报(自然科学版) 2016
融合用户可信度的改进奇异值分解推荐算法Keywords: 推荐算法,协同过滤,用户可信度,奇异值分解 Abstract: 摘要 基于信任的协同过滤推荐算法在缓解数据稀疏性、提高推荐准确度上具有明显优势.在协同过滤推荐算法中引入信任关系需要解决两个问题:一是信任数据的获取与信任的度量问题,二是信任度与具体算法的结合问题.传统算法在解决这两个问题时,仍存在信任信息挖掘不足、利用率不高的现象,导致推荐准确率难以进一步提升.为此,引入用户可信度的概念,提出一种改进的奇异值分解算法,算法同时考虑了用户的信任信息、被信任信息以及各自的隐性反馈.在真实数据集上的实验结果表明:与传统算法和其他主流信任算法相比,本文算法能有效提高推荐准确度
|