融合动态社交关系的距离度量推荐算法

摘要

目前,用户的好友关系及其自身呈现的动态变化趋势,使得基于静态社交关系的推荐算法难以满足现今瞬息万变的世界.为解决准确度较低等问题,提出利用用户购买物品的时序行为挖掘隐式社交关系的方法.首先将隐式社交与相似度算法相融合,其次针对近邻评分的稀疏性,提出改进的近邻评分填补方法,然后使用填补后的近邻评分对模型预测评分进行修正,最后生成预测评分.实验部分采用MovieLens数据集评估提出的方法,并与现存算法作对比分析.结果表明,该算法与传统算法及改进算法相比更稳定,也更有效地预测了目标用户的真实评分.