摘要：为提高推荐算法性能，解决数据稀疏和冷启动因素造成的推荐精度不高的问题，提出一种改进的协同过滤推荐算法。基于三元组表示形式，利用标签集、用户集和项目资源集构建标签、用户以及项目之间的动态联系，并进行信任值评分矩阵的计算，使用信任评分矩阵融合协同推荐过程，构建概率矩阵分解模型，并基于期望最大法进行模型的求解。实验结果表明，与采用基于余弦、皮尔逊相关系数和启发式相似度模型的算法相比，该算法具有较低的绝对误差均值以及较高的覆盖率、精度与召回率。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社