计算机工程

作者：宋玉龙, 马文明, 刘彤彤

单位：烟台大学 计算机与控制工程学院, 山东 烟台 264005

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

基金：国家自然科学基金（61602399）。

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。

来源：2022年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第1期