librec使用的四大数据集filmtrust+ciao+Epinions+flixster

在线社会网络中，信任关系是用户间进行可靠交互的基础，交互的强度也会影响用户间信任关系的建立。虽然许多研究者对信任建模及其预测进行了研究，但大部分的研究都是基于已有网络进行的，缺乏对用户交互行为及内容的深入研究。在这种情况下，针对原有网络的稀疏性问题和用户交互行为对信任关系的影响进行了研究，提出了一种基于信任网络和用户评分行为的信任预测框架。该框架给出了一种评估用户间交互关系强弱的度量机制，结合用户间已建立的信任关系网络，综合评估预测用户间的信任与不信任关系。基于Epinions网站的真实数据集

协同过滤推荐作为一种有效的推荐方法，普遍存在数据稀疏性和冷启动问题，利用社交网络的多项数据源对协同推荐方法进行了改进。为了克服评分矩阵的稀疏性问题，提出结合用户评分相似度和用户信任度选择推荐邻居，同时对用户相似度计算进行了改进；提出了一种简单有效的信任推理方法，能够识别出用户间隐含的间接信任关系，进一步缓解了数据稀疏性问题；为了解决推荐系统的冷启动问题，提出综合利用项目的类型属性信息和领域专家信息进行联合推荐。实验结果表明，提出的改进策略非常有效，在精度和召回率方面都较已有方法具有明显改善。