社交网络环境下基于信任的推荐算法

来源：软件学报杂志2017年第3期北京时间：

作者：陈婷,朱青,周梦溪,王珊

单位：陈婷，中国人民大学 信息学院, 北京 10087211,朱青，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087202,周梦溪，中国人民大学 信息学院, 北京 10087203,王珊，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087204

摘要：现有的基于信任的推荐算法通常假设用户是单一和同质的，没有充分挖掘信任关系信息，且相似关系和信任关系的融合缺乏高效的模型，极大地影响了推荐的准确性和可靠性.提出一种基于信任的推荐算法.首先，结合全局信任和局部信任，并利用信任的传播性质对信任关系进行建模；然后，设置推荐权重，综合考虑相似度和信任度来构建用户间的偏好关系，筛选出邻居；最后，将基于记忆的协同过滤思想和社交网络的信任关系融入概率矩阵分解模型，同时使用自适应权重动态决定各部分的影响程度，形成高效、统一的可信推荐模型Trust-PMF.该算法在FilmTrust，Epinions这两个数据集上与相关算法做了对比验证，结果证实了该算法的高效性.

关键词：社会网络;信任;概率矩阵因子分解;推荐系统

基金资助：国家自然科学基金（61070053）