基于专家信任的协同过滤推荐算法改进研究

作     者：刘国丽 白晓霞 廉孟杰 张斌 LIU Guo-li;BAI Xiao-xia;LIAN Meng-jie;ZHANG Bin

作者机构：河北工业大学人工智能与数据科学学院 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2019年第41卷第10期

页      面：1846-1853页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61702157) 河北省科技计划项目(17210305D) 

主　　题：协同过滤推荐 专家信任 相似度 推荐精度 

摘      要：针对目前协同过滤推荐算法存在的冷启动、数据稀疏、可扩展性不高以及未考虑到不同社区簇之间可能存在相关性导致的推荐准确度低的问题,提出了一种在考虑同社区簇内专家信任基础上结合不同社区簇专家信任的推荐算法。在改进相似度计算时,改进算法不仅结合了Jaccard相关系数、用户的平均评分因子以及加权处理的Pearson相关系数,还结合了用来惩罚热门物品权重的流行度。在改进评分预测时,改进算法在引入了传统聚类推荐算法中的同社区簇专家信任后,还引入了不同社区簇专家信任。实验在MovieLens数据集上进行,实验结果表明,改进算法不仅缓解了冷启动和数据稀疏等问题,还显著提高了推荐准确度。