为解决传统协同过滤算法中存在的数据稀疏与冷启动问题,社会化信任推荐机制被引入推荐系统,通过加入用户的显式信任信息,可有效地缓解上述问题。但是显式信任较难获取,并且数据较为稀疏,为了更好地提高推荐效率,在基于显式信任的Trust SVD算法的基础上,加入用户的隐式信任信息,提出了一种基于双信任机制的奇异值分解(singular value decomposition,SVD)算法EITrust SVD。在利用显式信任获得可靠推荐的同时,通过隐式信任的影响获得与用户喜好相关的推荐。通过实验证明,该方法可以较好地解决冷启动问题,且能提高推荐的准确率。
