融合社交信息的矩阵分解推荐方法研究综述

• 作者: 于剑 刘华锋 景丽萍
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 推荐系统 矩阵分解 社交推荐 社交网络 协同过滤
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 340-362
• 页数: 23页
• 分类号: TP18
• 字数: 19594字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005391

摘要

随着社交网络的发展,融合社交信息的推荐成为推荐领域中的一个研究热点.基于矩阵分解的协同过滤推荐方法(简称矩阵分解推荐方法)因其算法可扩展性好及灵活性高等诸多特点,成为研究人员在其基础之上进行社交推荐模型构建的重要原因.围绕基于矩阵分解的社交推荐模型,依据模型的构建方式对社交推荐模型进行综述.在实际数据上,对已有代表性社交推荐方法进行对比,分析各种典型社交推荐模型在不同视角下的性能(如整体用户、冷启动用户、长尾物品).最后,分析了基于矩阵分解的社交推荐模型及其求解算法存在的问题,并对未来研究方向与发展趋势进行展望.