结合信任关系的用户聚类协同过滤推荐算法

在传统的协同过滤推荐算法中,相似度计算是算法中的核心,然而之前的计算方式过于依赖用户的评分,没有考虑到用户本身的属性以及信任度,并且没有对恶意用户进行区分,为解决上诉问题,本文将一种改进的新型信任关系度量方式融入到相似度计算中,这种新型的方法不仅考虑了恶意用户的影响,并且有效地结合用户本身的属性.另外,文章就热点问题对相似度计算也进行了改进.算法最终利用初始用户聚类不断迭代得到相邻用户,有效的消除了冷启动和数据稀疏的问题.实验部分,通过与其它几种推荐算法的比较可以证明,提出的算法能够有效提升推荐准确度.