一种融合信息熵相似度与动态信任的协同过滤推荐方法

摘要

本发明公开了一种融合信息熵相似度与动态信任的协同过滤推荐方法，该方法基于评分差异的信息熵相似度与信任隐性相似度两种相似度计算方法，构建综合相似度计算模型，缓解冷启动用户相似度难以计算的问题；然后，综合度量评分可信度与推荐可靠度，构建直接、间接和全局信任度计算模型，减少不可靠用户的虚假推荐；接着，构建相似度与信任度的融合评分预测模型，完成对目标用户的评分预测与个性化项目推荐；最后，评估推荐用户评分的有效性，提出信任奖惩策略，为目标用户动态更新信任邻居集，抑制用户随意虚假评分对推荐性能的负面影响。实验结果表明，该方法能提高推荐系统的推荐精度与推荐可靠度，有效缓解数据可靠性、数据稀疏性与冷启动问题。