基于社交关系与无监督学习的大数据推荐算法

• 作者: 李淑霞 杨俊成 蔡增玉
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 社交网络 大数据 推荐系统 稀疏性问题 冷启动问题 灰羊问题
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 算法
• 页码范围: 304-310,321
• 页数: 8页
• 分类号: TP391
• 字数: 6474字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.05.051

摘要

针对大数据推荐系统中推荐准确率与效率较低的问题,设计一种基于社交关系与多上下文因素的大数据推荐系统.基于活动用户的社交网络,构建一个社交关系的张量模型;通过张量分解获得用户的上下文因素;基于候选集的相似性产生一个推荐列表.基于用户的反馈预测社交关系的范围,有效地减少推荐系统的计算量.真实数据集的实验结果证明,该算法提高了推荐系统的推荐精度,有效地缓解了稀疏性问题与冷启动问题,并且实现了较快的响应时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡增玉	郑州轻工业学院计算机与通信工程学院	75	268	7.0	13.0
2	李淑霞	河南工业职业技术学院电子信息工程学院	20	95	5.0	9.0
3	杨俊成	河南工业职业技术学院电子信息工程学院	23	97	4.0	9.0