基于评分填充与信任信息的混合推荐算法

作     者：沈学利 李子健 赫辰皓 SHEN Xueli;LI Zijian;HE Chenhao

作者机构：辽宁工程技术大学软件学院辽宁葫芦岛125105 辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2020年第40卷第10期

页      面：2789-2794页

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

基　　金：国家自然科学基金资助项目(61772249)。 

主　　题：受限玻尔兹曼机 加权Slope One 用户信任相似度 矩阵分解 评分预测 

摘      要：针对推荐系统的数据稀疏性导致的推荐效果不佳的问题,提出一种基于评分填充与信任信息的混合推荐的算法RTWSO(Real-value user item restricted Boltzmann machine Trust WSO)。首先,使用改进的受限玻尔兹曼机模型对评分矩阵进行填充,以缓解评分矩阵的稀疏性问题;其次,从信任关系中提取信任与被信任关系,并通过基于矩阵分解的隐含信任关系相似度来解决信任信息稀疏的问题,而且对原有算法进行了包含信任信息的修正,以提高推荐准确度;最后,通过加权Slope One(WSO)算法对矩阵填充与信任相似度信息加以整合,并对评分数据进行预测。在Epinions与Ciao数据集中验证算法性能,可见所提出混合推荐算法较组成算法在推荐准确度上提升3%以上,较现有社会化推荐算法SocialIT(Social recommendation algorithm based on Implict similarity in Trust)在推荐准确度上提升1.2%以上。实验结果表明,所提出的基于评分填充与信任信息的混合推荐算法在一定程度上提高了推荐准确度。