融合商品流行度与信任度的混合推荐算法

TP311; 目前协同过滤算法在推荐系统中的应用比较广泛,但由于数据的稀疏性,传统的协同过滤算法往往存在推荐准确性不高的问题.本文通过引入用户的社交信任网络挖掘用户的信任信息来缓解此问题.此外,考虑到热门项目在评分相似度计算时的贡献权重,在传统的评分相似计算公式中考虑了用户共同评分项占比带来的影响.在此基础上,提出了一种融合商品流行度与信任度的混合推荐算法(TPRA).在Epinions数据集上的实验结果表明:该算法相较于对照算法在平均绝对误差(MAE)、均方根误差(RMSE)两个指标上至少降低了约3％....

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 48; no. 4; pp. 549 - 555
Main Authors 段琼, 虞慧群, 范贵生
Format Journal Article
LanguageChinese
Published 华东理工大学信息科学与工程学院,上海 200237 2022
Subjects
信任网络
热门商品惩罚
商品流行度
数据稀疏
Online AccessGet full text

Cover

More Information
Summary:TP311; 目前协同过滤算法在推荐系统中的应用比较广泛,但由于数据的稀疏性,传统的协同过滤算法往往存在推荐准确性不高的问题.本文通过引入用户的社交信任网络挖掘用户的信任信息来缓解此问题.此外,考虑到热门项目在评分相似度计算时的贡献权重,在传统的评分相似计算公式中考虑了用户共同评分项占比带来的影响.在此基础上,提出了一种融合商品流行度与信任度的混合推荐算法(TPRA).在Epinions数据集上的实验结果表明:该算法相较于对照算法在平均绝对误差(MAE)、均方根误差(RMSE)两个指标上至少降低了约3％.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20210303001