基于社会网络信息流模型的协同过滤算法
为提高个性化推荐技术的准确率,首先在多维半马氏过程的状态空间中定义"空状态",得到扩展多维半马氏过程,将其与社会网络分析理论结合,得到社会网络信息流模型,该模型描述了社会网络成员间的信息流动过程.然后基于社会网络信息流模型,提出协同过滤算法SMRR(Semi-Markov and reward renewal).实验表明,由于综合考虑用户自身偏好和社会网络中其他成员的影响,SMRR的预测准确率明显高于原有算法.
通信技术、协同过滤、多维半马氏过程、有偿半马氏模型、社会网络、电子商务
41
TN915;TP393
国家杰出青年科学基金项目60525110;"973"国家重点基础研究发展规划项目2007CB307100,2007CB307103;新世纪优秀人才支持计划项目NCET-04-0111;电子信息产业发展基金
2016-05-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
270-275