Truser:一种基于可信用户的服务推荐方法

摘要

在服务推荐过程中,为排除不可信用户信息带来的干扰,确保推荐结果的精准性,该文从用户聚类的角度,通过两阶段的ISODATA聚类,将离群用户视为不可信用户进行过滤,再基于得到的可信用户提出一种改进的服务推荐方法.最后,在两个公开数据集Last.FM和Delicious上进行了实证分析.结果表明,该文所提方法在两个数据集上的推荐精度相较于已有基准方法分别提高16.1％和4.5％,且发现当第一阶段聚类的预期聚类中心为6时,推荐效果最好;同时,在推荐过程中为目标用户返回Top-5个可信用户,且向其推荐这5个用户中至少有70％的人关注过的服务最为适宜.因此,围绕可信用户的数据进行推荐,能有效地提高服务推荐的质量.