融合项目标签信息面向排序的社会化推荐算法

摘要：

近年来,推荐系统越来越受到人们的关注,按照应用场景主要分为评分预测和Top-K推荐.考虑到传统评分推荐系统和Top-K排序推荐系统只考虑用户和项目的二元评分信息,具有一定的局限性,因此扩展了一种基于列表排序学习的矩阵分解方法.一方面,充分考虑用户之间关注关系.首先通过用户之间的关注关系计算用户之间的信任度,接着通过用户之间的信任度在原始模型的损失函数中添加用户社交约束项,使相互信任的用户偏好向量尽可能接近.另一方面,计算项目所拥有标签的权重,并以此计算项目之间的标签相似度,再将项目的标签约束项添加至损失函数中.在真实Epinions和百度电影数据集中的实验结果表明,该方法的NDCG值和原始模型相比具有一定的提高,有效地提高了推荐准确率.

关键词：推荐系统、社交网络、标签系统、排序学习、矩阵分解

所属期刊栏目：11

分类号：TP311(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61572102, 61562080, 61402075;the Natural Science Foundation of Liaoning Province under Grant No. 2014020003;the National 12th Five-Year Science and Technology Supporting Programs of China under Grant No. 2015BAF20B02

在线出版日期：2017-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：373-381