一种基于云模型的社交网络推荐系统评分预测方法

• 作者: 孙华超 戴天骥 李暾 李茜 肖云鹏
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 社交网络 推荐系统 评分预测 云模型
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 科研通信
• 页码范围: 1762-1767
• 页数: 6页
• 分类号: TP393
• 字数: 2830字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.07.032

摘要

本文针对评分预测中用户评分主观性及评分数据稀疏带来的预测不准确问题,围绕社交推荐的特点,设计实现一种社交网络评分预测方法.首先,针对评分主观性问题,引入并优化相关云模型理论,提出采用综合云模型生成评分标准并转化用户评分的方法.其次,针对预测不准确问题,通过引入隶属度达到数据降维和目标用户定位的作用,同时考虑到社交网络用户关系对评分结果的影响,分别利用社交关系及相似群体建立两个评分预测模型,并基于高斯变换融合两部分预测结果生成预测评分.实验表明,该方案不仅克服了用户评分主观性,同时有效改善了用户评分数据稀疏情况下传统预测方法准确度偏差的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖云鹏	重庆邮电大学网络与信息安全技术重庆市工程实验室	31	166	8.0	12.0
2	李茜	重庆邮电大学网络与信息安全技术重庆市工程实验室	7	36	4.0	6.0
3	孙华超	重庆邮电大学网络与信息安全技术重庆市工程实验室	1	17	1.0	1.0
4	戴天骥	重庆邮电大学网络与信息安全技术重庆市工程实验室	2	18	1.0	2.0
5	李暾	重庆邮电大学网络与信息安全技术重庆市工程实验室	4	17	1.0	4.0