融合时间加权信任与用户偏好的协同过滤算法

doi:10.3778/j.issn.1002-8331.2012-0467

摘要/Abstract

摘要： 针对现有的协同过滤推荐算法中存在评分数据稀疏和用户兴趣动态变化的问题，提出了融合时间加权信任与用户偏好的协同过滤算法。考虑到用户评分时间的不均匀，对时间权重进行改进，并将其融入到直接信任计算中，缓解用户兴趣动态变化的问题。通过信任传递得到的间接信任以及建立用户对项目标签的偏好矩阵得到用户之间的偏好相似度来缓解数据的稀疏性。融合用户的信任度与偏好相似度进行推荐。实验结果表明，与其他基准算法相比，提出的算法具有更高的F1值，提高了推荐质量。

关键词: 协同过滤, 时间权重, 信任, 项目标签, 用户偏好

Abstract: Aiming at the problems of sparse rating data and dynamic changes of user interests in the existing collaborative filtering recommendation algorithms, a collaborative filtering algorithm combining time-weighted trust and user preferences is proposed. Considering the unevenness of user rating time, the time weight is improved and incorporated into the direct trust calculation to alleviate the problem of dynamic changes in user interest. Through the indirect trust obtained by trust transfer and the establishment of user preference matrix for item tags, the preference similarity between users is obtained to alleviate the sparseness of data. The user’s trust and preference similarity are combined for recommendation. Experimental results show that compared with other baseline algorithms, the proposed algorithm has a higher F1 value, which improves the quality of recommendation.

Key words: collaborative filtering, time-weighted, trust, item tag, user preferences

张岐山, 朱猛. 融合时间加权信任与用户偏好的协同过滤算法[J]. 计算机工程与应用, 2022, 58(3): 112-118.

ZHANG Qishan, ZHU Meng. Collaborative Filtering Algorithm Combining Time-Weighted Trust and User Preferences[J]. Computer Engineering and Applications, 2022, 58(3): 112-118.

参考文献

[1] 陈运文.谈谈“推荐系统”和“搜索引擎”[J].计算机与网络，2017，43（24）：43-44.
CHEN Y W.Talk about “recommendation system” and “search engine”[J].Computer & Network，2017，43（24）：43-44.
[2] ADOMAVICIUS G，TUZHILIN A.Toward the next generation of recommender systems：a survey of the state-of-the-art and possible extensions[J].IEEE Transactions on Knowledge and Data Engineering，2005，17（6）：734-749.
[3] 张永韡，汪镭.基于协同过滤的连续黑箱优化问题元启发算法选择[J].控制与决策，2020，35（6）：1297-1306.
ZHANG Y W，WANG L.Metaheuristic algorithm selection system for continuous black-box optimization problems based on collaborative filtering[J].Control and Decision，2020，35（6）：1297-1306.
[4] PARK S T，PENNOCK D M.Applying collaborative filtering techniques to movie search for better ranking and browsing[C]//Proceedings of the 13th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York：ACM Press，2007：550-559.
[5] KARAHODZA B，DONKO D.Feature enhanced time-aware recommender system[C]//XXV International Conference on Information，Communication and Automation Technologies，2015：1-6.
[6] MORADI P，AHMADIAN S.A reliability-based recommendation method to improve trust-aware recommender systems[J].Expert Systems with Applications：An International Journal，2015，42（21）：7386-7398.
[7] LI Y M，WU C T，LAI C Y.A social recommender mechanism for e-commerce：combining similarity，trust，and relationship[J].Decision Support Systems，2013，55（3）：740-752.
[8] O’DONOVAN J，SMYTH B.Trust in recommender systems[C]//Proceedings of the 10th International Conference on Intelligent User Interfaces，2005：167-174.
[9] 李熠晨，陈莉，石晨晨，等.采用信任网络增强的协同过滤算法[J].计算机应用研究，2018，35（1）：116-120.
LI Y C，CHEN L，SHI C C，et al.Enhanced collaborative filtering algorithm adopting trust network[J].Application Research of Computers，2018，35（1）：116-120.
[10] 李昆仑，王萌萌，于志波，等.融合信任度值与半监督密度峰值聚类的改进协同过滤推荐算法[J].小型微型计算机系统，2020，41（8）：1613-1619.
LI K L，WANG M M，YU Z B，et al.Collaborative filtering recommendation algorithm combining trust value and semi-supervised density peak clustering[J].Journal of Chinese Computer Systems，2020，41（8）：1613-1619.
[11] SU J H，CHANG W Y，TSENG V S.Personalized music recommendation by mining social media tags[J].Procedia Computer Science，2013，22（10）：303-312.
[12] 王明佳，韩景倜.基于用户对项目属性偏好的协同过滤算法[J].计算机工程与应用，2017，53（6）：106-110.
WANG M J，HAN J T.Collaborative filtering algorithm based on item attribute preference[J].Computer Engineering and Applications，2017，53（6）：106-110.
[13] 董立岩，王越群，贺嘉楠，等.基于时间衰减的协同过滤推荐算法[J].吉林大学学报（工学版），2017，47（4）：1268-1272.
DONG L Y，WANG Y Q，HE J N，et al.Collaborative filtering recommendation algorithm based on time decay[J].Journal of Jilin University（Engineering and Technology Edition），2017，47（4）：1268-1272.
[14] 曾安，高成思，徐小强.融合时间因素和用户评分特性的协同过滤算法[J].计算机科学，2017，44（9）：243-249.
ZENG A，GAO C S，XU X Q.Collaborative filtering algorithm incorporating time factor and user preference properties[J].Computer Science，2017，44（9）：243-249.
[15] 周静，何利力.基于用户属性偏好与时间因子的服装推荐研究[J].软件导刊，2020，19（6）：23-28.
ZHOU J，HE L L.Clothing recommendation research based on user attribute preference and time factor[J].Software Guide，2020，19（6）：23-28.
[16] 张凯辉，周志平，赵卫东.结合CFDP与时间因子的协同过滤推荐算法[J].计算机工程与应用，2020，56（15）：80-85.
ZHANG K H，ZHOU Z P，ZHAO W D.Collaborative filtering recommendation algorithm combined with CFDP and time factor[J].Computer Engineering and Applications，2020，56（15）：80-85.
[17] BOBADILLA J，SERRADILLA F，BERNAL J.A new collaborative filtering metric that improves the behavior of recommender systems[J].Knowledge-Based Systems，2010，23（6）：520-528.
[18] 邓小燕，张晓彬.基于改进加权二部图和用户信任度的协同过滤推荐算法[J].计算机系统应用，2019，28（5）：125-130.
DENG X Y，ZHANG X B.Collaborative filtering recommendation system based on improved bipartite graph and user reliability[J].Computer Systems & Applications，2019，28（5）：125-130.
[19] 郑洁，钱育蓉，杨兴耀，等.基于信任和项目偏好的协调过滤算法[J].计算机应用，2016，36（10）：2784-2788.
ZHENG J，QIAN Y R，YANG X Y，et al.Collaborative filtering algorithm based on trust and item preference[J].Journal of Computer Applications，2016，36（10）：2784-2788.
[20] 王宇琛，王宝亮，侯永宏.融合协同过滤与上下信息的Bandits推荐算法[J].计算机科学与探索，2019，13（3）：361-373.
WANG Y C，WANG B L，HOU Y H.Bandits recommendation algorithm based on collaborative filtering and context information[J].Journal of Frontiers of Computer Science and Technology，2019，13（3）：361-373.
[21] 陆坤，谢玲，李明楚.一种融合隐式信任的协同过滤推荐算法[J].小型微型计算机系统，2016，37（2）：241-245.
LU K，XIE L，LI M C.Research on implied-trust aware collaborative filtering recommendation algorithm[J].Journal of Chinese Computer Systems，2016，37（2）：241-245.