融合社会信任关系的改进推荐系统

摘要

推荐系统已经得到了广泛的研究和应用,但是大多数推荐系统中仍存在一些导致系统推荐质量低下的不足:用户-信息项矩阵的大规模性和数据稀疏性,假设所有的用户都是互相独立的,该假设忽略了用户之间的联系.为了提高推荐系统模型的准确性,提出一种新型的概率因子分析方法.该方法对社交网络图进行挖掘,并将挖掘出的信任关系应用到推荐系统中,从而把用户朋友的喜好与用户的兴趣融合在一起,用于提高推荐质量.理论分析和实验结果表明,该方法复杂度是线性的,相对于传统方法表现出了很大的优越性,适合应用于大规模数据处理.