胡致杰,　印　鉴

(1.广东理工学院 信息工程系， 广东 肇庆　526100;2.中山大学 数据科学与计算机学院， 广东 广州　510006)



基于社交网络中双重好友及用户偏好的协同过滤推荐

胡致杰1,印鉴2*

(1.广东理工学院 信息工程系， 广东 肇庆526100;2.中山大学 数据科学与计算机学院， 广东 广州510006)

摘要：针对目前基于社交网络的协同过滤推荐算法只融入直接好友信息且不能有效防御概貌注入攻击等问题，提出一种融合双重好友及用户偏好的协同过滤推荐算法，通过设置合适的熟悉度阈值在社交网络的直接好友、间接好友中选取可信好友用户集作为目标用户K近邻候选集，在共同评分项目数的基础上，采用用户偏好相似度与评分相似度的加权相似度作为寻找近邻用户的标准，完成目标用户项目评分预测。在数据集Flixster上的实验结果表明，融合双重好友关系及用户偏好的推荐算法不仅具有较好的推荐准确率，还具有较强的抗概貌注入攻击能力。

关键词：协同过滤; 社交网络; 双重好友; 用户偏好; 概貌注入攻击

0引言

大数据时代，如何让人们在海量数据中寻找需要的信息变得越来越难，为此各类个性化推荐系统应运而生，其中协同过滤推荐是应用最广、最成功的推荐方法之一。其基本思想是：系统中的用户、项目不是孤立存在，而是彼此间具有一定相似性，利用相似用户或相似项目即可实现评分预测或项目推荐。常用的协同过滤推荐为两大类：基于内存的协同过滤和基于模型的协同过滤[1]。……