融合隐式信任与层次社区发现的协同过滤推荐算法

摘要

针对海量数据环境下,推荐算法存在的数据稀疏性与低效率的问题,提出一种融合社区结构与用户隐含信任度的协同过滤推荐算法。首先通过信任矩阵获得用户信任与被信任的非对称信任关系,依此计算用户隐含信任度,并通过隐含信任度对用户进行社区划分,更准确的寻找用户间的影响力关系,最后通过社区用户的评分预测目标用户的评分并形成推荐。通过在FilmTrust数据集上验证,与对比算法比较,算法MAE和RSME值均提升4%以上,算法能够获得更好的推荐效果。