一种基于社区专家信息的协同过滤推荐算法

来源：计算机研究与发展杂志2018年第5期北京时间：

作者：张凯涵,梁吉业,赵兴旺,王智强,

摘要：协同过滤推荐算法由于不受特定领域知识限制、简单易实现等优点，得到了广泛的应用.但是，在实际应用中，该类算法往往面临着数据稀疏性、可扩展性、冷启动等问题.为了解决其中的用户冷启动问题，将用户社交信息和评分信息进行融合，提出了一种基于社区专家信息的协同过滤推荐算法.首先，依据用户的社交关系将用户划分为不同的社区；其次，根据一定的准则确定各个社区的专家，并利用社交信息和评分信息对专家评分进行填充进而缓解稀疏性；最后，对冷启动用户根据其所属社区的专家信息进行预测评分.在数据集FilmTrust和Epinions上与已有协同过滤推荐算法进行了比较分析.实验结果表明，提出的算法可以有效缓解协同过滤推荐算法中的用户冷启动问题，并在平均绝对误差和均方根误差2个评价指标上优于已有算法.

关键词：推荐系统, 协同过滤, 冷启动, 社区, 专家信息,