基于信任关系和项目流行度的矩阵分解推荐算法

李卫疆 郑雅民

(昆明理工大学信息工程与自动化学院 云南 昆明 650000)

0 引 言

随着互联网的飞速发展，推荐系统得到人们越来越多的关注，提供有效的用户个性化推荐是目前研究的热点问题，通过对用户历史行为的分析，预测用户偏好。近年来，结合用户社交网络的推荐算法目前已经得到广泛的应用，TidalTrust通过在信任网络中找到从用户到每个其他用户的最短路径，然后将每个用户的信任值聚合到与A直接相邻的用户进行推荐[1]。Li等基于奇异值分解的方法，根据人际关系中的六度分隔理论填充用户信任矩阵，再通过用户之间的信任度进行相关推荐[2]。用户的社交网络不仅可以有效缓解推荐中冷启动的问题，还可以通过好友推荐增加推荐的信任度。

但在社交网络中，好友关系不是基于共同兴趣产生的，用户好友的兴趣往往和用户的兴趣不一致。同时，信任网络通常是一组不相交的子图，信任无法从一个子图传播到另一个子图上，如果一个项目没有被子图中的任何用户评分，那么它就不会被推荐给子图中有可能感兴趣的用户。因此，仅仅基于用户之间的信任关系进行推荐会存在项目的覆盖问题。同时，推荐算法的覆盖率和准确率存在内在的折中，在提高推荐覆盖率的同时会降低推荐的准确率，反之亦然。

为此，我们提出了一种融合项目流行度和用户信任关系的PopTruMF算法。PopTruMF算法利用矩阵分解的传递性，将用户的信任关系与项目评分视为同一层级，在矩阵分解的过程中，项目和信任关系发生混合，使得信任传递和评分预测同时发生；……