结合社交与标签信息的协同过滤推荐算法

摘要：

传统的协同过滤推荐算法大部分只考虑单一的用户相似度,而忽略了用户其他特征,随着Web2.0和社交网络等互联网新概念模式的发展,用户对个性化推荐技术的要求越来越高.针对上述情况,提出一种结合社交与标签信息的协同过滤推荐算法.首先,定义了小众重叠度和个体重要度的概念,并描述了”个体-小众-社区”的形成过程；然后,分析”用户-项目-标签”三元组信息获得用户间的相似度,并结合社区中的个体重要度,最终得到目标用户的偏好预测和个性化推荐.采用Last.fm公共数据集进行一系列对比实验,实验结果表明,新算法在一定程度上提高了推荐准确度.

关键词：协同过滤、推荐算法、社交网络、标签

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61073146;重庆市自然科学基金项目cstc-2009BB2082&2011jjA40045

在线出版日期：2013-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2467-2471