融合社交网络信息的协同过滤方法

• 作者: 傅城州 汤庸 沈玉利 石玉强 贺超波
• 来源期刊: 暨南大学学报（自然科学与医学版）
• 学科: 工学
• 关键词: 协同过滤 社交网络 矩阵分解 梯度下降法 推荐系统
• 年，卷（期）: 2013,（3）
• 页码范围: 243-248,252
• 页数: 7页
• 分类号: TP391
• 字数: 5964字
• 语种: 中文

摘要

针对目前协同过滤方法存在的数据稀疏性、冷启动以及未能有效利用用户社交网络信息提高推荐质量等问题,提出一种融合用户社交网络信息的协同过滤方法,该方法以矩阵分解推荐模型为核心,可综合集成目标用户个人偏好以及社交网络中的关系用户偏好特征信息做出推荐.通过设计相应的推荐方法,并基于梯度下降法对用户以及商品特征矩阵的求解进行了优化运算.相关实验结果表明融合社交网络信息可在一定程度上提高协同过滤的推荐准确度以及缓解数据稀疏性、冷启动问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汤庸	华南师范大学计算机学院	92	593	13.0	19.0
3	贺超波	仲恺农业工程学院信息科学与技术学院	40	302	12.0	15.0
5	沈玉利	仲恺农业工程学院信息科学与技术学院	35	266	8.0	15.0
6	石玉强	仲恺农业工程学院信息科学与技术学院	37	83	5.0	7.0
7	傅城州	华南师范大学计算机学院	5	14	3.0	3.0