一种带偏置的专家信任推荐算法

摘要 针对传统基于用户的协同过滤推荐算法较少考虑信任对象所处环境的实时变化,评价项目较少用户的评分预测准确度不高的问题,提出一种带偏置的专家信任推荐算法.为使对象之间的信任度得到较好的量化,合理预测用户评分,首先利用专家的评价可信度、活跃度、评价偏差度计算得到专家的信任值.其次在形成评分的过程中把改进专家算法与用户、项目偏置算法相融合,充分利用偏置信息,以便获得更加客观的预测评分.最后实验结果表明在不同数据集上相比于传统的推荐算法,该算法在评价项目较少用户的预测准确度方面有显著提高