结合全局与双重局部信息的社交推荐

摘要：

随着Web2.0的飞速发展,社交推荐逐渐成为推荐领域近几年的研究热点.如何更有效地利用用户的社交关系是社交推荐的关键,目前的社交推荐算法主要引入的是用户之间的直接联系(明确关系).将社交关系进一步细分为明确关系和隐含关系,并结合历史评分得到的用户声誉信息刻画了由用户全局信息(声誉)与局部信息(明确关系和隐含关系)所构成的推荐系统框架.与现有的社交推荐算法相比,所提出的算法更全面地分析了用户的社交关系,且具有良好的可解释性.在Douban数据集和Epinions数据集上进行了实验,并将本算法与主流的推荐算法进行了比较,结果表明本算法具有更好的推荐精度.

关键词：社交推荐、矩阵分解、声誉、隐含关系

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：安徽大学2014年本科生创新创业项目201410357036;安徽大学“211工程”三期第三批杰出青年科学研究培育基金KJQN1116

在线出版日期：2016-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：57-59,94