融合社交网络的单类个性化协同排序算法

• 作者: 李改 李磊 潘进财 陈强
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 推荐系统 协同排序 社交网络 单类协同过滤 隐式反馈数据
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 2016第十三届全国Web信息系统及其应用学术会议
• 页码范围: 88-92,116
• 页数: 6页
• 分类号: TP393
• 字数: 6501字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.02.011

摘要

单类个性化协同排序算法的研究的核心思想是把单类协同过滤问题当成排序问题来看待.之前的研究仅仅使用了隐式反馈数据来对推荐对象进行排序,这限制了推荐的准确度.随着在线社交网络的出现,为了进一步提高单类个性化协同排序算法的准确度,提出了一种新的融合社交网络的单类个性化协同排序算法.在真实的包含社交网络的2个数据集上的实验验证了该算法在各个评价指标下的性能均优于几个经典的单类协同过滤算法.实验证明,社交网络信息对于提高单类个性化协同排序算法的性能具有重要作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李磊	中山大学数据科学与计算机学院	117	1028	16.0	29.0
2	陈强	中山大学数据科学与计算机学院	44	146	6.0	10.0