一种基于空间变换的协同过滤推荐算法

摘要：

传统的协同过滤推荐算法在实际应用中往往面临着计算可扩展性的问题.为解决此问题,文中在基于物品的协同过滤推荐的框架下,通过融合社交关系信息,提出了一种基于空间变换的协同过滤推荐算法.首先,根据用户社交网络信息,运用社区发现算法将用户划分为不同的类;其次,基于评分信息,根据用户和物品之间的对应关系找到各个用户类所对应的物品类;最后,通过各个物品对每一物品类的隶属关系,将稀疏的高维评分信息矩阵转换为一个低维稠密的物品隶属度矩阵,进而基于该矩阵进行相似度计算并进行协同过滤推荐.在公开数据集上将所提方法与其他算法进行了对比实验分析,结果表明,所提算法能够在保证推荐准确性的同时明显提升计算效率.

关键词：协同过滤、社交网络、空间变换、可扩展性

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61432011 ,U 1435212 ,61603230 ,山西省自然科学基金项目201601D202039 ,山西省教育厅高校科技创新项目2016111 ,山西省研究生教育创新项目2018BY007

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：16-21