融合上下文信息的社会网络推荐系统

摘要：

上下文环境和社会网络信息已经成为推荐系统所需的重要信息来源，在推荐系统中融入这些信息将进一步改进推荐系统的精度和用户满意度。为了提高用户对推荐系统的满意度，提出一种融入上下文信息与社交网络信息的个性化推荐系统CS。该算法应用随机决策树划分原始的用户－商品评分矩阵来进行上下文信息的处理，使得具有相似上下文信息的评分被分为一组。随后应用矩阵因式分解来预测用户对未评分项的预测。为了整合社交网络信息，在考虑上下文信息的环境下提出了一种融入社会网络关系的增强推荐模型，使用一种基于信任度的皮尔逊相关系数来衡量用户的相似度。在真实的实验数据集上进行验证，表明CS系统推荐较传统的基于上下文的和基于社会网络的推荐算法在性能上和推荐性能上有了很大的改善。

关键词：上下文、信息、社会网络、矩阵因式分解:推荐、协同过滤

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61403156，61403155；江苏省高校自然科学基金资助项目13KJB520002，14KJB520005．

在线出版日期：2015-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：293-300