李晓峰 王妍玮 王建华

1(黑龙江外国语学院信息工程系 黑龙江 哈尔滨 150025)2(普渡大学机械工程系 印第安纳 西拉法叶 IN47906)3(哈尔滨师范大学计算机科学与信息工程学院 黑龙江 哈尔滨 150025)

0 引 言

随着社区网络的发展，需要对社区网络中的多维信任数据进行合理化的推荐设计。对多维信任数据的协同推荐是建立在对多维信任数据的特征提取和属性挖掘技术基础上[1-2]，对多维信任数据的项性属性进行挖掘和分布式组网设计，结合社区发现算法，实现对多维信任数据的协同推荐，提高对社区网络用户特征的发现和识别能力，因此研究多维信任数据的协同推荐方法，在网络信任模型的构建和用户偏好特征挖掘中具有很好的应用价值[3-4]。

目前，相关研究人员已经提出一些多维信任数据的推荐方法。文献[5]提出一种基于图和改进K近邻模型的高效协同过滤推荐算法，构建基于图的数据评分模型，运用该模型对用户进行相似度计算，根据计算结果结合图的最短路径算法对等待评分的内容进行准确定位，以此来实现数据推荐。实验结果表明，该算法能够获得较高的用户信任度，但是数据推荐均衡性较差。文献[6]提出一种基于位置社交网络的上下文感知的兴趣点推荐算法，建立潜在狄利克雷分配模型，运用该模型对与用户兴趣点相关的文本信息进行提取，采用自适应带宽核评估方法对提取到的信息进行分类，最后运用概率矩阵分解模型将用户的兴趣和分类信息进行融合，分析融合结果实现对用户的感兴趣点的推荐。……