公开(公告)号：CN103399858A

公开(公告)日：2013-11-20

申请号：CN201310272543.4

申请日：2013-07-01

Applicant: 吉林大学

Inventor： 杨博 ,  雷余

IPC: G06F17/30 ,  G06Q30/02

Abstract: 一种基于信任的社会化协同过滤推荐方法，融合用户对项目的评分矩阵和用户信任网络两种数据为目标用户进行高质量的推荐，主要包括如下步骤：构建用户与项目的特征向量；构建面向用户浏览行为的评分预测模型Truster-MF；构建面向用户评价行为的评分预测模型Trustee-MF；训练模型Truster-MF；训练模型Trustee-MF；融合训练后的Truster-MF和Trustee-MF，构建综合考虑浏览和评价两种行为的评分预测模型，本发明为基于信任的社会化推荐提供了一种全新方法，与现有方法相比，具有如下主要优点：（1）有效缓解了协同过滤推荐面临的数据稀疏和冷启动两个主要问题，具有更好的推荐质量；（2）算法简洁高效，易于实施，特别适用于大型电子商务网站。

公开(公告)号：CN103399858B

公开(公告)日：2016-08-10

申请号：CN201310272543.4

申请日：2013-07-01

Applicant: 吉林大学

Inventor： 杨博 ,  陈贺昌 ,  雷余

IPC: G06F17/30 ,  G06Q30/02

Abstract: 一种基于信任的社会化协同过滤推荐方法，融合用户对项目的评分矩阵和用户信任网络两种数据为目标用户进行高质量的推荐，主要包括如下步骤：构建用户与项目的特征向量；构建面向用户浏览行为的评分预测模型Truster?MF；构建面向用户评价行为的评分预测模型Trustee?MF；训练模型Truster?MF；训练模型Trustee?MF；融合训练后的Truster?MF和Trustee?MF，构建综合考虑浏览和评价两种行为的评分预测模型，本发明为基于信任的社会化推荐提供了一种全新方法，与现有方法相比，具有如下主要优点：（1）有效缓解了协同过滤推荐面临的数据稀疏和冷启动两个主要问题，具有更好的推荐质量；（2）算法简洁高效，易于实施，特别适用于大型电子商务网站。