文献类型：期刊文章

作　　者：苑宁萍[1] 辛力坚[2] 王呼生[1] 宁鹏飞[1]

YUAN Ning-ping;XIN Li-jian;WANG Hu-sheng;NING Peng-fei(College of Computer and Information,Inner Mongolia Medical University,Hohhot 010110,China;Inner Mongolia Power Research Institute,Hohhot 010020,China)

机构地区：[1]内蒙古医科大学计算机信息学院,内蒙古呼和浩特010110 [2]内蒙古电力科学研究院,内蒙古呼和浩特010020

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金地区科学基金项目(F030403)。

年　　份：2020

卷　　号：41

期　　号：7

起止页码：1967-1974

语　　种：中文

收录情况：BDHX、BDHX2017、IC、JST、PROQUEST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统协同过滤推荐算法推荐精度较低等问题,提出一种个性化社交活动推荐算法。采用文件主题模型求取用户与其参加过的所有社交活动的主题分布,利用隐含主题概率分布表征用户的兴趣度;利用信任传递机制求取用户间的直接信任值和间接信任值;综合用户对社交活动的兴趣度和评分,构建新的兴趣度相似矩阵得到用户间的综合相似度,将综合用户相似度与用户信任度相融合,得到个性化推荐权值,以不同的权值配比获得最终的社交化活动推荐,利用豆瓣同城数据集确定各模块的参数设置值。对比实验结果表明,在保证较高覆盖率的基础上,算法相较于其它两种推荐算法准确率至少提高了5.26%,召回率至少提高了12.5%。

关 键 词：协同过滤 个性化推荐 兴趣度 信任度 文件主题模型  

分 类 号：TP311] TP391[计算机类]