The use of recommender systems has increased dramatically to assist online social network users in the decision-making process and selecting appropriate items. On the other hand, due to many different items, users cannot score a wide range of them, and usually, there is a scattering problem for the matrix created for users. To solve the problem, the trust-based recommender systems are applied to predict the score of the desired item for the user. Various criteria have been considered to define trust, and the degree of trust between users is usually calculated based on these criteria. In this regard, it is impossible to obtain the degree of trust for all users because of the large number of them in social networks. Also, for this problem, researchers use different modes of the Random Walk algorithm to randomly visit some users, study their behavior, and gain the degree of trust between them. In the present study, a trust-based recommender system is presented that predicts the score of items that the target user has not rated, and if the item is not found, it offers the user the items dependent on that item that are also part of the user's interests. In a trusted network, by weighting the edges between the nodes, the degree of trust is determined, and a TrustWalker is developed, which uses the Biased Random Walk (BRW) algorithm to move between the nodes. The weight of the edges is effective in the selection of random steps. The implementation and evaluation of the present research method have been carried out on three datasets named Epinions, Flixster, and FilmTrust; the results reveal the high efficiency of the proposed method.

中文翻译：

---

在具有偏置随机游走的推荐系统中展示用于评级预测的 Trust Walker：H 指数中心性、项目和朋友中的相似性的影响

推荐系统的使用急剧增加，以协助在线社交网络用户进行决策过程和选择合适的项目。另一方面，由于项目众多，用户无法对项目进行广泛的评分，通常为用户创建的矩阵存在散射问题。为了解决这个问题，基于信任的推荐系统被应用于为用户预测所需项目的分数。已经考虑了各种标准来定义信任，并且通常基于这些标准来计算用户之间的信任度。在这方面，由于社交网络中的用户数量众多，因此不可能获得所有用户的信任度。另外，对于这个问题，研究人员使用不同模式的随机游走算法随机访问一些用户，研究他们的行为，并获得他们之间的信任程度。在本研究中，提出了一种基于信任的推荐系统，该系统可以预测目标用户尚未评分的项目的分数，如果未找到该项目，则向用户提供依赖于该项目的项目，这些项目也是该项目的一部分用户的兴趣。在可信网络中，通过对节点之间的边进行加权来确定信任程度，并开发了TrustWalker，它使用偏置随机游走（BRW）算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已在三个名为 Epinions、Flixster 和 FilmTrust 的数据集上进行；结果表明所提出方法的高效率。并获得他们之间的信任程度。在本研究中，提出了一种基于信任的推荐系统，该系统可以预测目标用户尚未评分的项目的分数，如果未找到该项目，则向用户提供依赖于该项目的项目，这些项目也是该项目的一部分用户的兴趣。在可信网络中，通过对节点之间的边进行加权来确定信任程度，并开发了TrustWalker，它使用偏置随机游走（BRW）算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已在三个名为 Epinions、Flixster 和 FilmTrust 的数据集上进行；结果表明所提出方法的高效率。并获得他们之间的信任程度。在本研究中，提出了一种基于信任的推荐系统，该系统可以预测目标用户尚未评分的项目的分数，如果未找到该项目，则向用户提供依赖于该项目的项目，这些项目也是该项目的一部分用户的兴趣。在可信网络中，通过对节点之间的边进行加权来确定信任程度，并开发了TrustWalker，它使用偏置随机游走（BRW）算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已在三个名为 Epinions、Flixster 和 FilmTrust 的数据集上进行；结果表明所提出方法的高效率。提出了一个基于信任的推荐系统，该系统预测目标用户未评级的项目的分数，如果未找到该项目，则向用户提供依赖于该项目的项目，这些项目也是用户兴趣的一部分。在可信网络中，通过对节点之间的边进行加权来确定信任程度，并开发了TrustWalker，它使用偏置随机游走（BRW）算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已在三个名为 Epinions、Flixster 和 FilmTrust 的数据集上进行；结果表明所提出方法的高效率。提出了一个基于信任的推荐系统，该系统预测目标用户未评级的项目的分数，如果未找到该项目，则向用户提供依赖于该项目的项目，这些项目也是用户兴趣的一部分。在可信网络中，通过对节点之间的边进行加权来确定信任程度，并开发了TrustWalker，它使用偏置随机游走（BRW）算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已在三个名为 Epinions、Flixster 和 FilmTrust 的数据集上进行；结果表明所提出方法的高效率。它向用户提供依赖于该项目的项目，这些项目也是用户兴趣的一部分。在可信网络中，通过对节点之间的边进行加权来确定信任程度，并开发了TrustWalker，它使用偏置随机游走（BRW）算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已在三个名为 Epinions、Flixster 和 FilmTrust 的数据集上进行；结果表明所提出方法的高效率。它向用户提供依赖于该项目的项目，这些项目也是用户兴趣的一部分。在可信网络中，通过对节点之间的边进行加权来确定信任程度，并开发了TrustWalker，它使用偏置随机游走（BRW）算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已在三个名为 Epinions、Flixster 和 FilmTrust 的数据集上进行；结果表明所提出方法的高效率。它使用偏置随机游走 (BRW) 算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已在三个名为 Epinions、Flixster 和 FilmTrust 的数据集上进行；结果表明所提出方法的高效率。它使用偏置随机游走 (BRW) 算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已在三个名为 Epinions、Flixster 和 FilmTrust 的数据集上进行；结果表明所提出方法的高效率。