作者:王维; 高岭; 高全力推荐系统协同过滤用户信任遗忘函数用户兴趣
摘要:针对现有的协同过滤算法推荐质量不高,提出了融合用户信任和用户兴趣的协同过滤算法CF-BI.首先根据用户历史评分矩阵,充分考虑用户偏好相似性、用户影响力和打分专业性等影响因子,提出综合用户偏好相似度和用户信誉度的信任模型;然后采用融入艾宾浩斯遗忘函数的Pearson相关系数计算用户间的兴趣相似度,通过加权融合获取用户信任与用户兴趣间的关联关系,以获取更加准确的最近邻居,并对目标用户采用Top-N算法进行推荐.在真实数据集MovieLens上的仿真实验结果表明,该算法的平均绝对误差比传统的协同过滤算法提升了16.98%,有效提高了推荐质量.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社