社交网络中基于可信度度量的推荐算法

摘要

针对传统推荐系统稀疏性以及恶意攻击抵抗能力缺乏等问题,本文提出了一种社交网络中基于可信度度量的信任推荐算法.首先,为有效防止恶意评价对评估结果造成的偏差,给出了可信度函数的定义,并设计了结合用户交互经验和可信度函数评估的信任值计算方法.其次,对推荐质量的反馈情况建模,定义了用户效用函数,使得能以更合理的方式实现信任的动态更新通过Movielens数据集下的实验结果,本文方法与基准算法相比能获得更低的算法准确性以及更高的覆盖率,在恶意用户存在条件下能获得更好的推荐质量.