基于用户兴趣和社交信任的聚类推荐算法

来源：计算机应用杂志2016年第5期北京时间：

作者：肖晓丽, 钱娅丽, 李旦江, 谭柳斌

单位：1. 综合交通运输大数据智能处理湖南省重点实验室(长沙理工大学), 长沙 410114;2. 长沙理工大学 计算机与通信工程学院, 长沙 410114;3. 湖南大众传媒技术学院 新媒体技术学院, 长沙 410007

摘要：个性化推荐系统中使用最广泛的算法是协同过滤算法,针对该算法存在的数据稀疏和扩展性差问题,提出了一种基于用户兴趣和社交信任的聚类推荐算法。该算法首先基于聚类技术根据用户评分信息将具有相同兴趣的用户聚为一类,并建立基于用户兴趣相近的邻居集合。为了提高兴趣相似度计算的准确性,采用了修正余弦计算公式来消除评分标准的差异问题。然后,引入信任机制,通过定义直接信任、间接信任、传递路径和计算方法来度量社交网络用户之间隐含的信任值,将社交网络转换为信任网络,依据信任程度来创建基于社交信任的邻居集合。通过加权的方式将基于两种邻居集合的预测值融合起来为用户产生项目的推荐。在Douban数据集上进行仿真实验,确定了最优的协调因子值和分类数值,并与基于用户的协同过滤算法和基于信任的推荐算法进行对比,实验结果表明,所提算法的平均绝对误差(MAE)减少了6.7%,准确率(precision)、覆盖(recall)和F1值分别增加了25%、40%和37%,有效提高了推荐系统的推荐质量。

关键词：协同过滤,数据稀疏,社交信任,聚类技术,信任网络

基金资助：国家自然科学基金资助项目(61303043);湖南省自然科学基金资助项目(13JJ4052)。