基于社交信任聚类的混合推荐算法

推荐系统能够有效地解决信息过载问题，其中，协同过滤（collaborative filtering，简称CF）是推荐系统广泛采用的技术之一.然而传统的CF技术存在可扩展性差、数据稀疏和推荐结果精度低等问题.为了提高推荐质量，将信任关系融合到推荐系统中，采用聚类（FCM）方法，对信任关系进行聚类.利用信任类预测用户间的隐式信任，最后将信任关系与用户-项目关系线性融合进行推荐.在Douban和Epinions数据集上的实验结果表明，与传统的基于CF、基于信任和用户项目聚类的推荐算法相比，该算法能够大幅度地改进推荐质量，提升算法的时间效率