基于信任网络与协同过滤的自适应推荐模型研究

摘要

传统组合推荐算法采用静态参数平衡协同过滤模块与社交网络模块比重,没有考虑用户自身特性.为解决上述问题,文中提出基于局部网络拓扑结构的组合模型,该模型引入聚簇系数,结合用户自身购买历史及社交网络特征,自适应调整模块融合比例,从而达到提高推荐准确度的目的.运用Epinions以及Flixster数据集对文中自适应推荐模型进行模拟,实验结果表明:基于信任网络与协同过滤的自适应组合推荐框架优于静态组合推荐模型,该模型能够有效改善推荐准确度,提高推荐效率.