结合社交与标签信息的协同过滤推荐算法

• 作者: 于洪 李俊华
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 协同过滤 推荐算法 社交网络 标签
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 计算机软件与数据库研究
• 页码范围: 2467-2471
• 页数: 5页
• 分类号: TP391
• 字数: 6973字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于洪	重庆邮电大学计算智能重庆市重点实验室	61	1645	13.0	40.0
2	李俊华	重庆邮电大学计算智能重庆市重点实验室	1	25	1.0	1.0