基于联合概率矩阵分解的微博关注推荐算法

• 作者: 张明新 熊孝全
• 来源期刊: 微电子学与计算机
• 关键词: 微博关注推荐 联合概率矩阵分解 关系相似度 影响力模型
• 年，卷（期）: 2019,（8）
• 页码范围: 92-96
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文

摘要

在传统的概率矩阵分解算法基础上,考虑交互行为的时效性建立用户影响力模型,并结合静态关注关系,提出了基于联合概率矩阵分解的微博关注推荐算法(UPMFF-L).在使用scrapy爬取新浪微博得到的数据集上的实验结果表明,与NMF、PMF和SoRec算法相比,UPMFF-L算法在不同数据密度下的F1-Measure平均提升了11.82％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明新	常熟理工学院计算机科学与工程学院	32	224	8.0	14.0
2	熊孝全	苏州大学计算机科学与技术学院	1	0	0.0	0.0