TLRank:一种新的社会化协同排序推荐算法
已有的社会化协同排序推荐算法的研究只是简单地融入用户的社交网络信息,没有考虑用户之间社会化信任网络的传递性;同时,该推荐算法的性能面临数据高度稀疏性问题的挑战.为了进一步解决这些问题,在传统的协同排序推荐算法(ListRank,List-wise Learning to Rank)和最新的社会化协同过滤算法(TrustMF,Social Collaborative Filtering by Trust)的基础上,提出了一种新的社会化协同排序推荐算法(TLRank),融合均高度稀疏的用户的显式评分数据和社会化信任网络数据,以进一步增强协同排序推荐算法的性能.实验结果表明:在各个评价指标下,TLRank算法的性能均优于几个经典的协同排序推荐算法,且复杂度低、运算时间与评分点个数线性相关;TLRank算法的推荐精度高、可扩展性好,适合处理大数据,可广泛运用于互联网信息推荐领域.
推荐系统、协同排序、协同过滤、社会化信任网络、排序预测
51
TP39(计算技术、计算机技术)
国家自然科学基金项目61370186;广东省自然科学基金项目2016A030310018;广东省科技计划项目2014A010103040.2014B010116001;广东省大学生科技创新培育专项资金pdjh2019a0951;广东省教育厅“创新强校工程”特色创新类项目2018-KJZX037
2019-12-05（万方平台首次上网日期，不代表论文的发表时间）
共8页
121-128
