一種基于領域信任及不信任的奇異值分解推薦算法
摘要：傳統協同過濾算法存在數據稀疏與冷啟動問題,社會化推薦算法雖然能在一定程度上緩解這些問題,但大多數的算法都只從單一的角度來衡量信任關系的影響。為了更準確地度量社交關系對推薦預測的影響,提出了一種基于領域信任及不信任的社會化奇異值分解(Field Trust and Distrust based Singular Value Decomposition,FTDSVD)推薦算法。該算法在SVD推薦算法的基礎上加入了用戶的信任關系與不信任關系,利用不信任關系對社交關系進行修正,并且充分考慮用戶的信任領域相關性和全局影響力。在Epinions數據集上將FTDSVD算法與相關算法進行了對比,結果證實了該算法在提高推薦質量和緩解冷啟動問題上效果顯著。
注: 保護知識產權,如需閱讀全文請聯系計算機科學雜志社
相關推薦
更多
