| 一种基于信任和不信任的矩阵分解推荐算法 |
| |
| 引用本文： | 乔猛,魏国亮,吴超异.一种基于信任和不信任的矩阵分解推荐算法[J].小型微型计算机系统,2023(1):56-62. |
| |
| 作者姓名： | 乔猛 魏国亮 吴超异 |
| |
| 作者单位： | 1. 上海理工大学理学院;2. 上海理工大学外语学院 |
| |
| 基金项目： | 上海市“科技创新行动计划”国内科技合作项目(20015801100)资助；;国家自然科学基金项目(61873169)资助； |
| |
| 摘 要： | 推荐系统可以有效的解决信息过载问题，使得的用户快速的找到感兴趣的物品.然而真实场景中的数据极度稀疏，严重影响推荐质量.基于信任的矩阵分解推荐算法通过利用评分信息和信任信息进行推荐，可以在一定程度上减少因评分信息稀疏对推荐性能造成的影响.但基于信任的矩阵分解推荐算法只考虑了用户间的信任信息，却忽略了用户间的不信任信息，事实上用户间的不信任信息同样对推荐质量有着重要的影响.本文提出了一种新颖的非负矩阵分解算法TDSVD,TDSVD利用评分信息，信任信息和不信任信息进行个性化推荐.因为TDSVD算法利用了3种信息进行推荐，所以很大程度上减小了数据稀疏对推荐质量的影响.并且在模型训练时，本文加入了一种新颖的信任正则化项和不信任正则化项.最后，在真实数据集Epinions的实验也表明本文提出的算法TDSVD优于其它经典算法，能够显著提高推荐准确性.
|
| 关 键 词： | 推荐系统 矩阵分解 信任信息 不信任信息 数据稀疏 |
|
