基于全局相似度的社交网络个性化推荐算法

• 作者: 张艺豪 李梁 段倩倩 赵清华 马建芬
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 全局相似度 个性化推荐 社交网络 数据挖掘 机器学习
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 204-208
• 页数: 5页
• 分类号: TP391
• 字数: 5110字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048752

摘要

针对经典社交网络推荐算法忽略项目相似度信息的问题,提出一种改进的社交网络个性化推荐算法.挖掘项目之间的全局项目相似度信息,分析社交网络用户之间信任值的可靠度,并将两者融合在一种模型中,实现对用户的个性化推荐.在Filmtrust数据集与Ciao数据集上的实验结果表明,与PMF、SocialMF和SoRec算法相比,该算法能够提高推荐准确性,降低在冷启动问题上的推荐误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马建芬	太原理工大学信息与计算机学院	53	202	8.0	11.0
2	李梁	太原师范学院管理系	27	39	3.0	6.0
3	赵清华	太原理工大学信息与计算机学院	27	198	7.0	13.0
4	段倩倩	太原理工大学信息与计算机学院	10	10	2.0	2.0
5	张艺豪	太原理工大学信息与计算机学院	1	4	1.0	1.0