融合用户隐含偏好的社会化推荐算法

协同过滤算法的基本思想是利用兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息． 目前大部分算法对.于相似用户的分析都是基于用户的显式偏好，没有对用户的隐含偏好进行分析与利用． 用户的偏好不仅仅体现在对产品种类的.喜好上，对于产品各个属性的喜好程度、评分偏好和由偏好相似而建立的信任关系等，都反映了用户在交互时所隐含的偏好． 本.文提出了一种融合用户隐含偏好的社会化推荐算法:通过对评分矩阵进行分解得到用户和产品的潜在特征向量，利用用户的潜.在特征向量进行用户隐含属性偏好相似度的计算;为了缓解推荐系统中常见的冷启动问题，本文引入了信任关系，并将其与评.分信息相联系，量化出带有用户偏好的信任关系并将其融入到算法模型之中;最后，使用动态的权重计算用户间的推荐权重． 该.算法在FilmTrust 和Epinions 数据集上进行了测试和对比，结果证实了该算法能够更加有效地预测用户评分，提高推荐精度．