针对推荐系统中普遍存在的数据稀疏和冷启动等问题, 本文结合用户自身评分与用户的社会信任关系构建推荐模型, 提出了一种基于信任关系传递的社会网络推荐算法TTRM (Trust transition recommendation model, TTRM). 该方法首先通过计算信任网络中节点的声望值与偏见值来发现信任网络中的不可信节点, 并通过对其评分权重进行弱化来减轻其对信任网络产生的负面影响. 其次, 算法又利用朋友的信任矩阵对用户自身的特征向量进行修正, 解决了用户特征向量的精准构建及信任传递问题. 同时为了实现修正误差的最小化, 算法利用推荐特性进行用户相似度计算并通过带有社会正则化约束的矩阵分解技术实现社会网络推荐. 实验结果表明, TTRM 算法较传统的社会网络推荐算法在性能上具有显著提高.
