摘要
本发明提供了一种基于显性和隐性信任的协同过滤推荐方法,包括:根据用户物品评分矩阵R,计算用户u对用户v进行预测评分时的准确性;计算用户u对用户v的依赖程度;根据准确性和依赖程度,计算用户u对用户v的隐性信任度;根据隐性信任度对用户物品评分矩阵R进行填充;计算用户u对物品的评分置信度;根据评分置信度和填充处理后的用户物品评分矩阵,计算用户u对用户v之间的相似性;计算用户u的全局信任度,以及用户u对用户v的局部信任度;根据全局信任度和局部信任度,计算用户u对用户v的最终信任度;修正用户u的潜在特征用户矩阵;根据潜在用户特征矩阵,预测用户u对物品i的评分。本发明能解决由于信息过载导致的数据稀疏和用户冷启动问题,提高推荐准确性。