标题:一种结合推荐对象间关联关系的社会化推荐算法
作者:郭磊;马军;陈竹敏;姜浩然
作者机构:[郭磊] 山东大学计算机科学与技术学院, 济南, 山东 250101, 中国.;[马军] 山东大学计算机科学与技术学院, 济南, 山东 250101, 中国.;[陈竹敏] 山东大学计算机科学 更多
通讯作者:Guo, L(guolei@rocketmail.com)
通讯作者地址:[Guo, L] School of Computer Science and Technology, Shandong University, Jinan 250101, China;
来源:计算机学报
出版年:2014
卷:37
期:1
页码:219-228
DOI:10.3724/SP.J.1016.2014.00219
关键词:社会网络; 矩阵分解; 推荐系统; 协同过滤; 社会化推荐
摘要:随着社会化媒体的兴起,信息资源的数量呈现爆炸式增长,如何在海量的信息中帮助用户发现有用的知识成为亟需解决的问题.社会化推荐方法作为一种有效的信息 过滤技术,由于能够结合社会网络的特点,模拟现实社会中的推荐过程,在分析用户历史行为的基础上,主动向用户推荐满足他们兴趣和需求的信息,受到了研究者 们的广泛关注.但目前已有的方法大都只从用户间社会关系的角度出发,仅认为相互信任的朋友间具有相似的兴趣爱好,而忽略了推荐对象间的关联关系对推荐结果 产生的影响.针对以上存在的问题,文中从推荐对象间关联关系的角度出发,假设具有关联关系的推荐对象更容易受到同一用户的关注,并进而在已有的社会化推荐 算法的基础上,提出了一种结合推荐对象间关联关系进行推荐的算法.算法使用共享的潜在特征空间对目标函数的求解过程进行约束,使其在考虑用户间社会关系的 同时,也考虑到推荐对象间关联关系所起到的重要作用.实验结果表明,与主流的推荐算法相比,文中所提出的方法在分类准确率和评分误差等多种评价指标上都取 得了更好的结果.
收录类别:EI;CSCD;SCOPUS
Scopus被引频次:19
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-84893541316&doi=10.3724%2fSP.J.1016.2014.00219&partnerID=40&md5=8c7ad53948bd40455b806e2cc119370b
TOP