基于矩阵分解的社交网络正则化推荐模型

• 作者: 代苓苓 史晟辉 李芳 林晓勇
• 来源期刊: 计算机系统应用
• 关键词: 社交网络 矩阵分解 好友推荐 近邻关系 平均准确度
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 专论·综述
• 页码范围: 9-16
• 页数: 8页
• 字数: 6483字
• 语种: 中文

摘要

社交网站的快速发展和普及使得实现高效的好友推荐成为了一个热点问题,而矩阵分解算法是被业界广泛采用的方法.虽然传统的矩阵分解算法能够带来良好的效果,但是仍然存在一些问题.首先,算法没有充分利用用户之间的社交网络结构化关系;其次,算法依赖的用户-物品评分矩阵只有二级评分不能充分表达用户的喜好.提出了一种基于矩阵分解的社交网络正则化推荐模型,利用社交网络中用户的近邻关系进行建模,并将其作为一种辅助信息融合到矩阵分解模型当中,该模型能够解决传统矩阵分解面临的问题.通过在腾讯微博数据集上进行实验对比,验证了本文提出的方法与传统的推荐方法相比能取得更高的推荐平均准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史晟辉	北京化工大学信息科学与技术学院	13	82	5.0	8.0
2	林晓勇	北京化工大学信息科学与技术学院	11	79	5.0	8.0
3	李芳	北京化工大学信息科学与技术学院	16	111	5.0	10.0
4	代苓苓	北京化工大学信息科学与技术学院	2	21	2.0	2.0