论文部分内容阅读
随着近年来互联网技术的快速发展,应用获取平台都面临着信息过载的问题.面对大量应用,解决用户不能快速准确地找到满足其偏好的应用的问题迫在眉睫.已有的如Cosine、Pearson等协同过滤方法普遍存在稀疏性、冷启动和可扩展性等问题,从而对推荐结果产生影响.文章在考虑用户社交关系、偏好及信任关系的基础上,提出了融合用户社交关系与信任关系的应用推荐方法.该方法融合用户社交关系、点赞与标签等特征及其对应用的偏好计算相似度,并基于好友的信任关系与用户声誉计算信任度,最终将相似关系与信任关系进行有效结合,实现应用推荐.实验结果表明:所提应用推荐方法能更好的体现用户间的社交与信任关系,且能有效提高应用推荐的有效性与准确度.