基于好友关系和标签的混合协同过滤算法

• 作者: 徐小强 曾安
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 链路预测 社交关系 标签 TF-IDF 推荐算法
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 246-251
• 页数: 6页
• 分类号: TP311
• 字数: 7223字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.08.042

摘要

针对传统推荐算法存在数据稀疏影响推荐效果的问题,考虑到社交网络中的链路预测能够综合考虑用户节点之间的拓扑结构,以及好友关系能反映用户的兴趣爱好,提出了一种融合好友关系和标签信息的推荐算法.首先,借助网络资源分配算法对社交网络的结构信息进行特征提取;然后,利用TF-IDF构建合理的社会化标签模型;最后,利用线性模型融合两方面的信息,从而实现推荐.在Last.fm和Delicious数据集上的实验表明,与传统算法相比,所提算法在推荐的召回率和准确率指标上有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾安	广东工业大学计算机学院	32	150	8.0	11.0
2	徐小强	广东工业大学计算机学院	3	24	2.0	3.0