论文部分内容阅读
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。