基于认知度与兴趣度的好友推荐反馈算法

• 作者: 尹云飞 孙敬钦 黄发良 白翔宇
• 来源期刊: 模式识别与人工智能
• 关键词: 兴趣度 认知度 好友推荐 用户相似度 反馈机制
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: “网络科学与信息推荐”专题|Network Science and Information Recommendation
• 页码范围: 127-136
• 页数: 10页
• 分类号: TP39
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202102004

摘要

针对现有的好友推荐算法在好友关系刻画上丢失重要信息的现状,受用户对物品认知行为的启发,文中提出基于认知度与兴趣度的好友推荐反馈算法,使用混合相似度研究网络好友关系,探索在线社交网络中的交友问题.针对好友推荐过程中"开环"的问题,提出基于历史推荐信息的正负反馈优化调整策略,使用用户相似度修正公式研究好友反馈动态推荐,证明好友推荐是一个逐步修正的复杂过程,揭示在线社交网络中好友关系刻画的心理学认知问题和推荐的动态变化问题.实验表明,文中算法提高推荐质量,实现用户相似度矩阵的动态调整,在准确率、召回率、鲁棒性、可扩展性等方面性能较优.