摘要：協(xié)同過濾算法的基本思想是利用興趣相投、擁有共同經(jīng)驗之群體的喜好來推薦用戶感興趣的信息.目前大部分算法對于相似用戶的分析都是基于用戶的顯式偏好,沒有對用戶的隱含偏好進(jìn)行分析與利用.用戶的偏好不僅僅體現(xiàn)在對產(chǎn)品種類的喜好上,對于產(chǎn)品各個屬性的喜好程度、評分偏好和由偏好相似而建立的信任關(guān)系等,都反映了用戶在交互時所隱含的偏好.本文提出了一種融合用戶隱含偏好的社會化推薦算法:通過對評分矩陣進(jìn)行分解得到用戶和產(chǎn)品的潛在特征向量,利用用戶的潛在特征向量進(jìn)行用戶隱含屬性偏好相似度的計算;為了緩解推薦系統(tǒng)中常見的冷啟動問題,本文引入了信任關(guān)系,并將其與評分信息相聯(lián)系,量化出帶有用戶偏好的信任關(guān)系并將其融入到算法模型之中;最后,使用動態(tài)的權(quán)重計算用戶間的推薦權(quán)重.該算法在FilmTrust和Epinions數(shù)據(jù)集上進(jìn)行了測試和對比,結(jié)果證實了該算法能夠更加有效地預(yù)測用戶評分,提高推薦精度.