一种新的基于社交关系的相似度传播式推荐算法

摘要 传统协同过滤中用户相似性计算方法在数据稠密的情况下能得到比较可靠的结果.然而当数据稀疏时,相似度计算方法会受到数据稀疏性影响,使其计算结果不准确,特别是在冷启动用户中,相似度计算结果不可靠.为了解决以上问题,从用户社交关系的角度,提出一种新的基于社交关系的相似度传播式协同过滤推荐算法.首先对用户社交关系进行建模,量化用户之间社交关系;然后计算活跃用户之间的相似性得到可靠相似度;最后基于社交关系的可靠相似度传播来构建推荐方法.实验证明,提出的算法可以大幅度提高推荐精度,改善对冷启动用户的推荐