摘要
协同过滤推荐算法是个性化推荐系统中研究最多且应用最广的推荐算法之一,针对传统的协同过滤推荐算法中存在的数据稀疏性问题,导致算法的推荐精度不准确和推荐效率低等现象,本文提出了一种融合信任度值与半监督密度峰值聚类的改进协同过滤推荐算法.该算法有以下三个方面改进:1)通过半监督密度峰值聚类,将相似性用户进行聚类,降低目标用户的相似度计算时间; 2)加入信任权值,精确地计算用户之间的直接信任度值; 3)引入等效电阻式的间接信任度值的计算方式,充分挖掘用户之间的隐式信任信息.本文在进行相关的理论分析,并在不同数据集上进行了相应的实验验证,均表明了本文算法的有效性.
-
单位河北大学; 电子信息工程学院