一种局部和全局用户影响力相结合的社交推荐算法

• 作者: 严远亭 张燕平 张顺 钱付兰
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 推荐系统 社交网络 矩阵分解 影响力
• 年，卷（期）: 2015,（4）
• 页码范围: 858-865
• 页数: 8页
• 分类号: TP301
• 字数: 5494字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2015.04.024

摘要

传统的协同过滤推荐系统认为用户之间的行为相互独立，忽视了用户之间的影响关系。而用户的历史行为数据不同、社交网络关系不同，其相互之间存在的影响力不同。为了分析用户的社交影响力在推荐中所起到的作用，通过历史行为数据和社交网络结构分析用户的局部影响力和全局影响力，分别提出基于局部影响力和基于全局影响力的模型以及两种影响力综合的模型。通过在真实的数据集上的实验表明，与以往方法相比，本文提出的基于影响力的三种模型在推荐精度上有一定提升，且在稀疏的数据集上基于全局影响力的模型和综合模型提升效果比更明显。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学计算机科学与技术学院	148	1556	21.0	32.0
5	钱付兰	安徽大学计算机科学与技术学院	30	184	8.0	12.0
9	张顺	安徽大学计算机科学与技术学院	15	92	6.0	9.0
13	严远亭	安徽大学计算机科学与技术学院	8	28	3.0	5.0