10.19734/j.issn.1001-3695.2023.05.0280
融合交互强度的优化社交推荐算法
针对现有社交化推荐算法忽视了评级数据与社交信息之间关联的探索,提出了一种融合交互强度的优化社交推荐算法.首先,利用社交信息和评级数据结合两种相似度丰富社交矩阵;接着,定义用户间交互强度代表用户间复杂关系;最后,利用交互强度与社交关系之间的关联以及用户潜在特征与用户群体参与特征的关联构建新的目标函数,学习用户和项目的潜在特征,实现个性化推荐.在三个真实数据集上进行实验,与基线模型相比,提出算法在推荐预测精度上有显著提升,且在对不同评级数量的用户进行潜在特征学习时,表现出良好的鲁棒性.综上,融合交互强度可以进一步提升社交化推荐算法性能,增强用户体验感.
社交化推荐、交互强度、群体参与矩阵、矩阵分解
41
TP301.6(计算技术、计算机技术)
国家自然科学基金;重庆市教委科学技术研究项目;重庆市研究生科研创新项目
2024-02-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
65-71