典型文献
融合用户信任度的概率矩阵分解群组推荐算法
文献摘要：
利用推荐系统进行群组推荐时,群组成员之间的交互关系对推荐结果有很大影响,但传统的群组推荐算法较少考虑用户信任度的重要性,致使社交关系信息不能得到充分利用.在群组融合时考虑群组内用户间的交互关系,提出一种基于用户信任度和概率矩阵的群组推荐算法.在获取用户信任度数据后,使用概率矩阵分解(PMF)算法补全信任度矩阵并进行归一化处理,得到相似度矩阵,同时在后验概率计算过程中加入用户间的信任度因素,通过极大化后验概率获得预测评分.在此基础上,对群组中用户的权重进行归一化处理,使用基于用户交互关系的权重策略融合群组成员偏好,得到最终的推荐结果.在Epinions和FilmTrust数据集上的实验结果表明,该算法可使融合结果更具群组特性,同时提高推荐结果的可靠性和可解释性,且均方根误差和命中率均优于PMF、NeuMF、RippleNet等对比算法.
文献关键词：
群组推荐;偏好融合;概率矩阵分解;用户信任度;协同过滤
中图分类号：
作者姓名：
宋玉龙;马文明;刘彤彤
作者机构：
烟台大学 计算机与控制工程学院,山东 烟台 264005
文献出处：
引用格式：
[1]宋玉龙;马文明;刘彤彤-.融合用户信任度的概率矩阵分解群组推荐算法)[J].计算机工程,2022(01):105-111
A类：
群组推荐算法,FilmTrust
B类：
用户信任度,概率矩阵分解,推荐系统,群组成员,交互关系,社交关系,取用,PMF,补全,全信,归一化处理,相似度矩阵,后验概率,概率计算,预测评分,用户交互,策略融合,融合群,Epinions,可解释性,命中率,NeuMF,RippleNet,对比算法,偏好融合,协同过滤
AB值：
0.259416
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
