基于隐性社交圈的推荐算法

摘要：

用户之间的社交信息已经被广泛地应用于改进传统的推荐系统.然而,在许多网站,如亚马逊和eBay,没有明确的社交图表可以用来提高推荐性能.因此,在这项工作中,为了使非社交性网站能够采用社交推荐的方法,论文提出了一个通用的框架,根据用户对所购商品给出的评分和评论来构建一个隐性社交圈.并将这种隐性的社交圈融合到目前已有的显性社交推荐算法中,从而来增强任何没有社交网络的推荐系统的性能.该算法通过皮尔逊相关系数PCC(Pearson Correla-tion Coefficient)来分析和提取用户之间的隐性社交圈,并将其融合于基于矩阵分解的社交推荐RS(Social Regularization)算法中,然后在Amazon数据集上进行实验.实验结果表明,该方法比传统的无社会信息推荐方法更有效.

关键词：非社交性;隐性社交圈;显性社交;矩阵分解;皮尔逊相关系数;社交推荐

所属期刊栏目：49

分类号：TP311(计算技术、计算机技术)

在线出版日期：2021-08-10（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：1315-1319,1336