基于社交网络信息的协同过滤推荐算法

• 作者: 何小卫 张朝恒 陈勇兵
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 协同过滤 推荐系统 相似度模型 标签信息 社交关系
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 28-34
• 页数: 7页
• 分类号: TP301.6
• 字数: 7355字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.12.007

摘要

随着互联网数量的不断增多,海量的数据信息为互联网用户带来了便利,同时也给推荐系统带来了技术性的挑战.用户-评分矩阵对传统的协同过滤算法具有关键性的作用,然而在大数据时代的背景下,用户面对海量的数据信息,很难对自己喜欢的项目全部进行评分,这就造成了评分数据的稀疏,从而影响推荐算法的精度性.针对数据稀疏问题,利用社交网络信息,分别从用户评分、兴趣标签、社交关系三个方面分别建立用户相似度模型,然后采用协同过滤算法将三个模型进行融合,以进行推荐预测.在KDD CUP 2012 Track1数据集上进行实验.实验结果表明,该算法相比传统的协同过滤算法,算法精确度有较好的提高,对于数据稀疏问题也有较好的缓解作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何小卫	浙江师范大学数理与信息工程学院	30	230	7.0	14.0
2	陈勇兵	浙江师范大学数理与信息工程学院	6	68	4.0	6.0
3	张朝恒	浙江师范大学数理与信息工程学院	2	17	2.0	2.0