融合网络嵌入和奇异值分解的社会化推荐系统

摘要：

奇异值分解(SVD)技术在生成个性化推荐中起着重要作用,但其性能受到数据稀疏性和冷启动问题的挑战.此外,不同的方法与SVD结合各有优势,因此利用不同方法的互补性质是另外一个难题.为了解决以上问题,建议从用户反馈中提取隐含而且可靠的社交信息,并为每个用户识别Top-k语义朋友,并且将Top-k语义朋友信息合并到SVD的框架中以解决问题.两个真实的数据集的实验结果表明,提出的方法比具有显性社会关系的最先进的方法——矩阵分解可以得到更好的结果,对RMSE有4.0％的改进.

关键词：奇异值分解、个性化推荐、Top-k语义朋友、矩阵分解、推荐系统、机器学习

所属期刊栏目：44

分类号：TN911.1-34

资助基金：国家自然科学基金;山西省社科联重点课题研究项目

在线出版日期：2021-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：101-105