基于热扩散影响力传播的社交网络个性化推荐算法

摘要：

有针对性地为用户提供推荐,提高互联网信息利用率是个性化推荐系统的主要目标.文中基于热扩散传播概率模型,结合用户在社交网络中隐含的跟随关系,提出基于热扩散影响力传播的社交网络个性化推荐算法.首先,算法将现实生活中人与人的朋友关系转化为购物网络中用户与用户的跟随关系,构建异构信息网络图,计算用户之间的复合相似度.然后,利用基于热扩散概率模型模拟社会网络中影响力的传播过程,计算社交网络中用户的跟随概率分数并精确排序,筛选与目标用户相似的邻近用户.最后,根据目标邻近用户对各个产品的评分,将评分较高、具有潜在兴趣的产品推荐给目标用户,实现个性化的用户推荐.在公开数据集上与现有的个性化推荐算法进行对比,实验表明,文中算法具有较好的精确度和多样化的推荐效果.

关键词：数据挖掘、社交网络、热扩散、协同过滤、个性化推荐

所属期刊栏目：32

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金项目61772252;辽宁省自然科学基金项目20180550542;大连市科技创新基金项目2018J12GX047;大连市重点实验室专项基金

在线出版日期：2019-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：746-757