10.11896/j.issn.1002-137X.2017.02.011
融合社交网络的单类个性化协同排序算法
单类个性化协同排序算法的研究的核心思想是把单类协同过滤问题当成排序问题来看待.之前的研究仅仅使用了隐式反馈数据来对推荐对象进行排序,这限制了推荐的准确度.随着在线社交网络的出现,为了进一步提高单类个性化协同排序算法的准确度,提出了一种新的融合社交网络的单类个性化协同排序算法.在真实的包含社交网络的2个数据集上的实验验证了该算法在各个评价指标下的性能均优于几个经典的单类协同过滤算法.实验证明,社交网络信息对于提高单类个性化协同排序算法的性能具有重要作用.
推荐系统、协同排序、社交网络、单类协同过滤、隐式反馈数据
44
TP393(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;广州市科技计划项目201604010049,201510010203;广东第二师范学院教授博士科研专项2015ARF25;佛山市机电专业群工程技术开发中心2015年第二批开放课题2015-KJZX139;广东省大学生科技创新培育专项G2016Z08
2017-04-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
88-92,116