基于社交网络的上下文感知推荐算法

• 作者: 孙平 李征宇 李贵 陈磊 韩子扬
• 来源期刊: 软件工程与应用
• 学科: 工学
• 关键词: 推荐系统 上下文感知 社交网络 矩阵分解
• 年，卷（期）: 2015,（5）
• 页码范围: 101-113
• 页数: 13页
• 分类号: TP39

摘要

上下文和社交网络信息对于构建精确的推荐系统是很有价值的。然而,传统的推荐系统还不能有效结合不同类型的上下文信息及社交网络信息来进一步提高推荐质量。为此,提出基于社交网络的上下文感知推荐算法SCRA (Social Network Based Context-Aware Recommendation Algorithm),对于不同类型的上下文,通过引入随机决策树的方式分割初始用户项目评分矩阵,在树的叶子结点应用矩阵分解,并结合社交网络信息引入了包含上下文信息的皮尔森相关系数来度量用户相似度,通过求解目标函数来预测潜在用户对项目的评分。在真实数据集上的实验表明该算法较传统推荐算法有着更高的准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙平	沈阳建筑大学信息与控制工程学院	36	124	6.0	10.0
2	李贵	沈阳建筑大学信息与控制工程学院	25	108	6.0	10.0
3	韩子扬	沈阳建筑大学信息与控制工程学院	29	104	5.0	10.0
4	李征宇	沈阳建筑大学信息与控制工程学院	37	102	5.0	9.0
5	陈磊	沈阳建筑大学信息与控制工程学院	1	0	0.0	0.0