融合项目标签信息面向排序的社会化推荐算法

• 作者: 徐博 林原 林鸿飞 练绪宝
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 推荐系统 社交网络 标签系统 排序学习 矩阵分解
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 373-381
• 页数: 9页
• 分类号: TP311
• 字数: 8424字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1603054

摘要

近年来,推荐系统越来越受到人们的关注,按照应用场景主要分为评分预测和Top-K推荐.考虑到传统评分推荐系统和Top-K排序推荐系统只考虑用户和项目的二元评分信息,具有一定的局限性,因此扩展了一种基于列表排序学习的矩阵分解方法.一方面,充分考虑用户之间关注关系.首先通过用户之间的关注关系计算用户之间的信任度,接着通过用户之间的信任度在原始模型的损失函数中添加用户社交约束项,使相互信任的用户偏好向量尽可能接近.另一方面,计算项目所拥有标签的权重,并以此计算项目之间的标签相似度,再将项目的标签约束项添加至损失函数中.在真实Epinions和百度电影数据集中的实验结果表明,该方法的NDCG值和原始模型相比具有一定的提高,有效地提高了推荐准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林鸿飞	大连理工大学计算机科学与技术学院	214	3759	31.0	55.0
2	徐博	大连理工大学计算机科学与技术学院	26	87	6.0	9.0
3	林原	大连理工大学公共管理与法学学院	26	196	6.0	13.0
4	练绪宝	大连理工大学计算机科学与技术学院	2	6	1.0	2.0