融合用户社会地位和矩阵分解的推荐算法

摘要：

随着社交网络服务的日益流行,社交网络平台为推荐算法提供了丰富的额外信息.假设朋友之间共享更多的共同偏好并且用户往往易于接受来自朋友的推荐,越来越多的推荐系统利用社交网络中用户之间的信任关系来改进传统推荐算法的性能.然而,现有基于社交网络推荐算法忽略了2个问题:1)在不同的领域中,用户信任不同的朋友;2)由于用户在不同的领域内具有不同的社会地位,因此,用户在不同的领域内受朋友的影响程度是不同的.首先利用整体的社交网络结构信息和用户的评分信息推导特定领域社交网络结构,然后利用PageRank算法计算用户在特定领域的社会地位,最后提出了一种融合用户社会地位信息的矩阵分解推荐算法.在真实数据集上的实验结果表明:融合用户地位信息的矩阵分解推荐算法的性能优于传统的基于社交网络推荐算法.

关键词：用户社会地位、矩阵分解、推荐算法、PageRank算法、社交网络

所属期刊栏目：55

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61432008,61503178,61403208;江苏省自然科学基金项目BK20150587;江苏省高等学校自然科学研究项目17KJB520028This work was supported by the National Natural Science Foundation of China61432008,61503178,61403208;the Natural Science Foundation of Jiangsu Province of ChinaBK20150587;the Natural Science Foundation of the Higher Education Institutions of Jiangsu Province17KJB520028

在线出版日期：2018-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：113-124