融合信任关系的联合矩阵分解推荐算法仿真

摘要

针对推荐系统中普遍存在的冷启动和数据稀疏的问题,研究从社交行为中挖掘信任关系的方法,并提出了一种基于信任机制和社交行为的联合矩阵分解社会化推荐算法.首先,从显示和隐式两个方面对用户信任度进行度量,计算社交信任矩阵,其次构造一种反映用户偏好随时间变化时间增强"用户-项目"关注矩阵,通过项目关注度对项目关联关系进行度量,最后基于联合矩阵分解提出了结合信任机制和社交行为的联合矩阵分解社会化推荐算法(TMS-CMF).实验结果表明,与其矩阵分解推荐算法相比,上述算法能够在推荐精度和Top-K推荐能力方面有显著提高.