融入用户社会关系的协同主题回归模型

• 作者: 李平 胡检华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 推荐系统 协同过滤 主题模型 社会关系网络
• 年，卷（期）: 2018,（19）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 151-157,171
• 页数: 8页
• 分类号: TP311
• 字数: 7309字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1706-0165

摘要

协同主题回归(CTR)将概率矩阵分解和主题模型结合应用于推荐系统,在许多推荐应用中取得了成功,但该模型没有考虑用户社会关系对用户兴趣的影响.针对该问题,引入概率链接函数来评估社会关系网络对用户兴趣的影响,并以此约束目标函数.在CTR的基础之上,提出一种融入用户社会关系的协同主题回归模型(USRCTR),结合用户项目评分信息、项目内容和社会关系网络,构建一个基于分层贝叶斯模型的推荐引擎.在Lastfm数据集上实验表明,与其他几种CTR改进方法对比,该模型的训练时间更短,推荐精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平	长沙理工大学计算机与通信工程学院	96	475	10.0	17.0
5	胡检华	长沙理工大学计算机与通信工程学院	3	10	2.0	3.0