作者：周国强; 金礼仁; 张文聪推荐推荐系统协同过滤影响力用户
摘要：数据稀疏性影响协同过滤推荐结果的准确性,目前主要是采用预测方式进行数据密集化和对推荐数据本身加权途径提高推荐算法的精度,然而推荐双方关系互相认可程度直接影响推荐是否被接受。针对这一问题,提出了基于用户影响力的协同过滤推荐算法,该算法将推荐双方关系用影响力进行加权,采用复杂网络的用户介数特征值刻画用户的影响力,而介数特征值通过推荐双方共同使用服务的个数和次数计算。推荐者的意见权重由它对服务申请者的影响力以及他们间的偏好相似程度共同决定,最后服务申请者综合推荐者意见进行服务选择。在大规模真实数据集上,与其他3种相关方法进行了性能比较。实验结果验证了新算法显著提高了推荐的准确度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
