基于重要性的信任感知推荐方法

谭晏松，宋铁成

(1.重庆电子工程职业学院 人工智能与大数据学院，重庆 401331； 2.重庆邮电大学 通信与信息工程学院，重庆 400065)

0 引 言

由于近几十年来互联网上的信息爆炸，推荐系统(recomme-ndation systems，RS)已经成为大多数电子商务和社交网络系统中的重要模块[1,2]，成为解决日益增长的信息过载问题的有效方法。在各种推荐方法中，协同过滤(collaborative filtering，CF)是一种最成功的方法，它利用许多用户的反馈来寻找相似的用户和项目，作为推荐的基础。但该技术也存在一些固有缺陷，如数据稀疏、冷启动和推荐结果失真[3]。推荐系统的关键作用导致了该领域的大量研究，而如何克服传统推荐系统的不足也成为研究的关键。

为了解决传统推荐系统存在的冷启动和准确率低等问题，基于机器学习的推荐模型得到了广泛关注[4]。Zou等[5]提出一种社会推荐方法，使用自适应邻居选择来提高预测的准确性。Wu等[6]提出了一种融合潜在社交信任模型的协同过滤推荐算法，以提高推荐质量。Hai等[7]提出了一种基于时空感知的推荐方法。考虑到用户的社会关系，通过构建用户、地点、时间、活动和朋友的信息网络，获得推荐活动。Wei等[8]提出了一种将离散内容与兴趣贴近度相结合的算法，用以提高推荐质量与性能。Li等[9]提出了一种结合社会标签和信任关系的社会网络推荐方法。Wu等[10]提出一种将社会网络结构与用户项目交互行为的内在联系有机结合起来的社会推荐神经网络结构。

已有的信任感知推荐系统大多认为不同项目对用户具有相同的重要性，但是现实生活中并非如此。……