结合全局与双重局部信息的社交推荐

• 作者: 李启龙 钱付兰
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 社交推荐 矩阵分解 声誉 隐含关系
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 2015年中国计算机学会人工智能会议
• 页码范围: 57-59,94
• 页数: 4页
• 分类号: TP391
• 字数: 3964字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.2.012

摘要

随着Web2.0的飞速发展,社交推荐逐渐成为推荐领域近几年的研究热点.如何更有效地利用用户的社交关系是社交推荐的关键,目前的社交推荐算法主要引入的是用户之间的直接联系(明确关系).将社交关系进一步细分为明确关系和隐含关系,并结合历史评分得到的用户声誉信息刻画了由用户全局信息(声誉)与局部信息(明确关系和隐含关系)所构成的推荐系统框架.与现有的社交推荐算法相比,所提出的算法更全面地分析了用户的社交关系,且具有良好的可解释性.在Douban数据集和Epinions数据集上进行了实验,并将本算法与主流的推荐算法进行了比较,结果表明本算法具有更好的推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱付兰	安徽大学计算机科学与技术学院	30	184	8.0	12.0
5	李启龙	安徽大学计算机科学与技术学院	1	2	1.0	1.0