基于多社交数据源的协同推荐方法研究

协同过滤推荐作为一种有效的推荐方法，普遍存在数据稀疏性和冷启动问题，利用社交网络的多项数据源对协同推荐方法进行了改进。为了克服评分矩阵的稀疏性问题，提出结合用户评分相似度和用户信任度选择推荐邻居，同时对用户相似度计算进行了改进；提出了一种简单有效的信任推理方法，能够识别出用户间隐含的间接信任关系，进一步缓解了数据稀疏性问题；为了解决推荐系统的冷启动问题，提出综合利用项目的类型属性信息和领域专家信息进行联合推荐。实验结果表明，提出的改进策略非常有效，在精度和召回率方面都较已有方法具有明显改善。