融入用户隐式信任的协同过滤推荐算法

为解决传统推荐系统中的数据稀疏、关联性差、冷启动等方面的问题,有学者提出将社交中的信任关系引入推荐系统形成社会化推荐机制.这在一定程度上提高了推荐精度,但是显式信任信息很难获取并且现有的信任信息非常稀疏.针对加入用户信任信息算法的不足之处,提出了融入用户隐式信任的协同过滤推荐算法模型FITrustSVD,该模型是在TrustSVD算法的基础上融入了用户的隐式信任,定义了隐式信任用以矫正用户间的信任信息,对用户的信任范围做了约束,改进相似度算法的计算公式,并在信任预测公式中加入了用户的信任偏置.实验表明改进后的模型在数据稀疏、冷启动的条件下具有较高的推荐精度.