摘要
用户和项目的急剧增加使得评分数据过于稀疏导致传统推荐算法效果较差,社交网络信息的引入缓解了传统推荐系统中面临的数据稀疏性问题.然而,现有社会化推荐在刻画用户之间的信任关系时未考虑到用户之间的信任具有偏好差异性和信任传播稳定性不强等问题.因此,提出一种基于用户影响力和偏好一致性的社会化推荐.首先,结合评分信息和社交信息从偏好一致性方向刻画用户之间的信任强度,挖掘出隐藏的信息,缓解了用户的偏好差异性.其次,借助用户的社会影响力找到一条信任传播稳定性最强的路径,避免信任在传播过程中造成信任节点信息的丢失.然后,将用户的评分相似度和信任相似度线性加权得到用户的近邻用户做评分预测.最后,将该方法与现有社会化推荐算法在Filmtrust和CiaoDVD数据集上进行综合实验,结果表明该方法在MAE和RMSE上优于现有推荐算法.
维普
万方数据