一种融合社交关系的矩阵分解推荐模型

• 作者: 吴清春 贾彩燕
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 社交网络 推荐系统 拓扑关系 信任网络 矩阵分解
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 72-77,84
• 页数: 7页
• 分类号: TP18
• 字数: 5541字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054954

摘要

推荐系统可以有效解决信息过载问题,为用户提供个性化的推荐服务.然而在评分矩阵稀疏的情况下,仅通过分析用户项目评分矩阵来生成预测结果的传统模型效果较差.针对该问题,利用用户评分以及用户社会信任关系两部分信息计算用户相似度,提出一种融合社交关系的矩阵分解型推荐模型SoRegIM.通过挖掘社交网络中用户的拓扑关系,利用目标用户的直接邻居与间接邻居信息构建加权社会信任网络,在充分使用用户社交关系信息的同时减少冗余的社交噪声.基于公开数据集的实验结果表明,与SoReg、SocialMF等7种经典模型相比,SoRegIM能够有效提高推荐准确性,且对于稀疏数据的提升效果明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾彩燕	北京交通大学计算机与信息技术学院	23	180	9.0	12.0
5	吴清春	北京交通大学计算机与信息技术学院	1	0	0.0	0.0