基于信任模型的社区发现与协同过滤推荐研究与应用

作者：赵莹莹; 李玉洁; 苏萍

来源：无线互联科技, 2022, 19(15): 89-93.

• 双属性矩阵
• 社区发现
• 信任模型
• 协同过滤
• 推荐

文章改进NMF社区发现算法(Nonnegative Matrix Factorization,NMF),得到基于双属性矩阵的NMF社区发现算法(Double Attribute Matrix Nonnegative Matrix Factorization,DAMNMF),在其社团内部进行推荐。因为数据集评估不足可能造成稀疏性问题,使得推荐的效果变差。针对上述问题,将社区发现和信任模型相结合,得到基于社区发现内部信任模型协同过滤推荐,有可能将那些试图影响推荐准确性的恶意用户去除。考虑到信任可以缓解这些问题,则在社区发现中加入信任这个概念,即基于信任模型双属性矩阵非负矩阵分解(Trust Model Double Attribute Matrix Nonnegative Matrix Factorization,TMDAMNMF)社区发现与协同过滤推荐,在真实数据集上进行实验,研究结果表明推荐效果得到了进一步的提升。

• 单位
  南通理工学院