融合动态标签优化协同过滤推荐算法

金浙良，胡桂明

（1.浙江工业职业技术学院 电气电子工程学院，浙江 绍兴 312000；2.广西大学 电气工程学院，广西 南宁 530004）

1 引言

随着电子商务的快速发展和商品资源的日渐丰富，用户如何快速从海量信息中获取所需信息变得越来越紧迫，协同过滤推荐算法[1]通过分析用户购买和评分的历史记录来进行预测和推荐，是现今应用最为广泛的方法，但仍面临数据稀疏不均衡等问题，使系统难以有效的向新用户推荐商品[1]。为高效使用用户和商品的信息，并为用户推荐感兴趣的商品，信任关系被引入到推荐系统的算法中，提出基于用户信任关系的过滤推荐系统模型。文献[2]描述了基于用户信任关系的协同过滤算法原理，通过利用其信任用户的信息来向新用户推荐商品，取得较好的效果。然而，基于信任模型的推荐系统其信任值的合理计算对于提高算法性能至关重要，但现有方法存在以下不足：（1）覆盖率指标与推荐精度存在互斥问题，且二进制表示方式导致推荐精度下降；（2）用户信息不对称，不能充分利用信任用户提高算的性能。

为解决上述问题，提出一种融合用户动态标签的改进协同过滤推荐算法。算法首先通过构建用户集、标签集和物品集三者间的动态联系，建立用户动态偏好矩阵，接着构建基于用户社会网络信息的用户信任关系矩阵，最后提出融合用户动态标签和用户信任关系的矩阵概率分解模型优化协同过滤推荐算法。……