异质社交网络中协同排序的好友推荐算法

• 作者: 彭志平 柯文德 邹权 陈珂
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 异质社交网络 协同排序 偏序关系 好友推荐 矩阵分解
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 计算机软件与数据库研究
• 页码范围: 1270-1274
• 页数: 5页
• 分类号: TP391
• 字数: 7378字
• 语种: 中文

摘要

随着社交网络的复杂化和异质化,传统推荐系统中协同过滤推荐方法由于推荐效果不佳而不能满足需求.本文通过扩展原有推荐方法中的因子模型提出了基于协同排序的好友推荐算法.相比于协同过滤,本文使用用户之间的偏序关系取代原始打分,以适合不易评分的异质信息网络,并且对于Top-k推荐只需考虑推荐序列,不需要精确预测低序列的评分的特点,避免不必要的计算,提高计算效率.相对于普通的因子模型,本方法在好友推荐中训练集更易构建,可以简单有效的融合多种有价值的内容相关特征.测试数据表明,基于协同排序的好友推荐与以往的矩阵分解方法相比较,在Digg2009好友关注关系数据集上测试,MAP提高了15.6％左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈珂	广东石油化工学院计算机科学与技术系	62	243	8.0	12.0
2	彭志平	广东石油化工学院计算机科学与技术系	79	414	10.0	14.0
3	邹权	厦门大学信息科学与技术学院	23	446	9.0	21.0
4	柯文德	广东石油化工学院计算机科学与技术系	57	230	8.0	12.0