摘要：为了解决社交网络直接信任关系稀疏性问题,并降低协同过滤算法的推荐成本,文中提出基于信任传递机制的三支推荐算法.首先构建信任传递机制,获取用户的间接信任关系,扩展用户的社交网络,并使用二部图网络结构计算用户间双向影响因子.然后,将双向影响因子作为约束项,设计目标函数进行矩阵分解.最后引入三支决策思想,考虑推荐过程中的误分类代价与推广代价,构建基于目标函数的三支推荐算法.在Filmtrust、Epinions数据集上的实验表明,文中算法性能较优.

摘要：基于用户的不同风险偏好特征,提出一种融入用户风险偏好的三支协同过滤推荐模型来提高推荐规则的准确性.首先,考虑用户的不同风险偏好对项目评分的影响,基于用户-项目评分矩阵定义用户关于项目的偏好概率测度,建立用户-项目偏好概率模型,从理论上证明了该模型是现有模型的推广和拓展.其次,利用决策粗糙集,推导出用户在不同风险偏好下的三支推荐模型阈值表达.然后,以上述工作为基础,将推荐准确性和推荐成本作为优化目标,设计基于粒子群优化算法的用户偏好概率模型参数确定方法 .最后,在MovieLens数据集上的实验验证了提出模型的有效性.