基于用户聚类的异构社交网络推荐算法

• 作者: 吴健 陈克寒 韩盼盼
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 社交网络 推荐系统 聚类算法 图摘要 数据挖掘
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 社会计算
• 页码范围: 349-359
• 页数: 11页
• 分类号: TP311
• 字数: 9235字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2013.00349

摘要

相比传统的社交网络,基于弱关系的微博类社交网络具有显著的异构特征.根据特征可以将节点分为用户(消息订阅者)和主题(消息发布者)两类,面向用户推荐其感兴趣的主题成为了该类社交网络中推荐系统的主要目标之一,同时该类社交网络中普遍存在的数据稀疏性和冷启动现象成为了推荐系统面临的主要问题.文中提出一种基于两阶段聚类的推荐算法GCCR,将图摘要方法和基于内容相似度的算法结合,实现基于用户兴趣的主题推荐.与以往方法相比,该方法在稀疏数据和冷启动的情况下具有更好的推荐效果,此外,通过对数据集进行大量的离线处理,使得其较以往推荐方法具有更好的在线推荐效率.最后通过真实社交网络的数据对本方法进行了验证,同时分析了各参数对推荐效果的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴健	浙江大学计算机学院	92	2205	22.0	46.0
2	陈克寒	浙江大学计算机学院	1	225	1.0	1.0
3	韩盼盼	浙江大学计算机学院	1	225	1.0	1.0