Study of collaborative filtering recommendation with user clustering incorporating implicit social relationships and trust relationships

Li, Yan

doi:10.1371/journal.pone.0332998

Study of collaborative filtering recommendation with user clustering incorporating implicit social relationships and trust relationships

10.1371/journal.pone.0332998

2025-10-06

0

PRE

AI

原文链接

0求助

应助

摘要

En 中文

随着互联网的快速发展，信息过载已成为一个普遍存在的问题。为了应对信息过载，推荐系统作为一种有效工具，能够为用户提供个性化推荐服务。然而，协同过滤推荐中的数据稀疏性和冷启动问题普遍存在，制约了推荐系统的效率。研究人员通常采用利用用户社交信息聚类的方法来解决这些问题。但实践表明，先前的研究显示，不准确的相似度计算和较差的聚类结果导致了预测精度的下降。本文提出了一种协同过滤推荐算法，通过整合多种关系以克服这些困难。该方法首先基于隐式社交关系和信任关系计算用户相似度，随后采用谱聚类技术对用户进行聚类，并在包含目标用户的簇内利用基于用户的协同过滤推荐。模拟研究结果证明，整合多种关系的协同过滤推荐系统能有效降低预测误差并提高推荐精度。

关键词:

SYSTEMS

MODEL

Study of collaborative filtering recommendation with user clustering incorporating implicit social relationships and trust relationships

摘要

期刊

学者

机构

引用论文

被引论文