优化的协同过滤推荐算法

：基于最近邻的协同过滤算法是个性化推荐中应用的最为成功的算法，然而在普通网络中，用户身份兴趣等信息缺乏可靠性，导致该算法推荐不够精确。社会网络是彼此拥有足够的感情后建立起来的一种人际关系网络，它的出现为广大用户提供了一个相对安全的绿色交流通道。本文针对社会网络中个性化推荐系统存在的问题，提出了一种在社会网络下基于信任度的最近邻居集合算法的优化，该算法通过分析社会网络中用户的信任度给出个性化推荐。实验表明，该算法在社会网络中的应用提高了个性化推荐的准确度，增加了用户的满意程度。

个性化推荐系统是为解决互联网上信息过载问题而提出的一种智能代理系统，它能从大量信息中向用户推荐出符合其兴趣偏好或需求的资源[1]。在个性化推荐系统中，应用最成功的算法是最近邻居的协同过滤算法。协同过滤算法主要有基于用户的和基于项目的2 种算法[2]。基本思想是通过计算目标用户与各个基本用户对项目评分之间的相似性，搜索目标用户的最近邻居，然后由最近邻居的评分数据向目标用户产 生推荐，即目标用户对未评分项目的评分可以通过最近邻居对该项目评分的加权平均值进行逼近，从而产生推荐[3]。

为了寻找目标用户的最近邻居集合，需要度量用户之间的相关性。在传统网络中，由于用户兴趣偏好或需求的资源往往存在巨大的差异，这样找出来的最近邻居集合不够准确。社会网络是由一定数量的用户在在网络上经过一段时间的交流、讨论，彼此拥有足够的感情后建立起来的一种人际关系网络[4]，它涵盖了以人类社交为核心的所有的网络服务形式，是一个真正能够相互交流、相互沟通、相互参与的平台，因 #基金项目：中央高校基本科研业务费专项资金资助。