基于社交网络的推荐系统研究

• 作者: 蔡崇超 许华虎
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 推荐系统 社交网络 深度学习 矩阵分解 协同过滤
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 46-49
• 页数: 4页
• 分类号: TP301
• 字数: 4758字
• 语种: 中文
• DOI: 10.11907/rjdk.192186

摘要

近年来,基于社交网络的推荐系统随着社交媒体和大数据的蓬勃发展,逐渐成为推荐系统重点研究方向.将社交网络用户社会化属性信息和评论内容与深度学习等技术结合,可有效解决传统推荐系统数据稀疏和冷启动等问题.首先回顾传统推荐系统常用方法,介绍社交网络推荐系统主要流程和基本框架,然后介绍最新相关研究方向和应用情况,最后对基于社交网络的推荐系统发展趋势进行分析与展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许华虎	上海大学计算机工程与科学学院	47	391	10.0	18.0
2	蔡崇超	上海大学计算机工程与科学学院	5	16	2.0	4.0