10.19678/j.issn.1000-3428.0054954
一种融合社交关系的矩阵分解推荐模型
推荐系统可以有效解决信息过载问题,为用户提供个性化的推荐服务.然而在评分矩阵稀疏的情况下,仅通过分析用户项目评分矩阵来生成预测结果的传统模型效果较差.针对该问题,利用用户评分以及用户社会信任关系两部分信息计算用户相似度,提出一种融合社交关系的矩阵分解型推荐模型SoRegIM.通过挖掘社交网络中用户的拓扑关系,利用目标用户的直接邻居与间接邻居信息构建加权社会信任网络,在充分使用用户社交关系信息的同时减少冗余的社交噪声.基于公开数据集的实验结果表明,与SoReg、SocialMF等7种经典模型相比,SoRegIM能够有效提高推荐准确性,且对于稀疏数据的提升效果明显.
社交网络、推荐系统、拓扑关系、信任网络、矩阵分解
46
TP18(自动化基础理论)
国家自然科学基金;中央高校基础科研业务费专项资金
2020-09-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
72-77,84