作者：王瑞琴; 蒋云良; 李一啸; 楼俊钢协同过滤社交网络信任信任要素推荐精度召回率抗攻击能力
摘要：协同过滤推荐是当前最成功的个性化推荐技术之一,但是传统的协同过滤推荐算法普遍存在推荐性能低和抗攻击能力弱的问题.针对以上问题,提出了一种基于多元化社交信任的协同过滤推荐算法CF-CRIS（collaborative filtering based on credibility,reliability,intimacy and self-orientation）.1）借鉴社会心理学中的信任产生原理,提出基于多个信任要素（可信度、可靠度、亲密度、自我意识导向）的信任度计算方法;2）深入研究社交网络环境中各信任要素的识别、提取和量化方法;3）基于用户间的综合信任度选取可信邻居,完成对目标用户的个性化推荐.基于通用测试数据集的实验研究结果表明：该算法不但可以极大地提高推荐系统的精确度和召回率,而且表现出良好的抗攻击能力.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
