基于评论的隐式社交关系在推荐系统中的应用

• 作者: 刘瑞 赵亚辉
• 来源期刊: 计算机应用研究
• 关键词: 推荐系统 矩阵分解 评论数据 隐式社交关系
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1628-1632
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.06.007

摘要

传统推荐系统研究很少利用评论数据来提高推荐性能，评论数据富含用户对物品的评价观点，有助于建立用户间或物品间的关联。针对如何利用评论数据改善推荐效果，提出了一种基于评论的隐式社交矩阵分解模型。模型利用评论间的相似性构建用户间和物品间的隐式社交关系，并将该隐式关系集成到社交推荐框架中，改进了传统矩阵分解推荐模型。实验表明，基于评论数据的隐式社交关系在多个数据集上使传统矩阵分解算法的 RMSE 降低了约3％。特别是当系统面临用户冷启动困境时，即只有少量用户评分数据可被收集到时，推荐提升效果更为显著，这表明丰富的评论数据能够被转换为改善推荐系统的有用知识。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘瑞	北京航空航天大学软件开发环境国家重点实验室	17	159	9.0	12.0
2	赵亚辉	北京航空航天大学软件开发环境国家重点实验室	2	12	1.0	2.0