基于社交网络的信息推荐系统

被引:13
作者
李善涛 [1 ]
肖波 [2 ]
机构
[1] 北京邮电大学信息与通信工程学院
[2] 北京邮电大学
关键词
数据挖掘; 个性化推荐; 社交网络; 协同过滤;
D O I
暂无
中图分类号
TP391.3 [检索机];
学科分类号
081203 ; 0835 ;
摘要
随着互联网的快速发展,从海量信息中获取感兴趣的信息越来越困难。推荐系统正是解决这一难题最热门的技术之一。数据稀疏性问题是当前推荐系统所面临的主要问题之一。为了缓解数据稀疏性的问题,本文借助社交网络,提出了一种融合用户社交网络的推荐算法,将用户在社交网络中的亲密度引入推荐系统。在实验部分,本文采用百度电影推荐算法创新大赛的数据集,设计实验验证了提出算法的有效性。实验结果表明,本文提出的算法能够有效地缓解传统协同过滤算法面临的数据稀疏性问题,明显提高预测的准确性。
引用
收藏
页码:41 / 45
页数:5
相关论文
共 6 条
[1]   分步填充缓解数据稀疏性的协同过滤算法 [J].
张玉芳 ;
代金龙 ;
熊忠阳 .
计算机应用研究, 2013, 30 (09) :2602-2605
[2]   协同过滤系统中基于种子集评分的新用户冷启动推荐研究 [J].
景民昌 ;
张芹 ;
唐弟官 .
图书情报工作, 2013, 57 (05) :124-128
[3]   移动推荐系统及其应用 [J].
孟祥武 ;
胡勋 ;
王立才 ;
张玉洁 .
软件学报, 2013, 24 (01) :91-108
[4]   面向大规模数据集的近邻传播聚类 [J].
谷瑞军 ;
汪加才 ;
陈耿 ;
陈圣磊 .
计算机工程, 2010, 36 (23) :22-24
[5]   个性化推荐系统评价方法综述 [J].
刘建国 ;
周涛 ;
郭强 ;
汪秉宏 .
复杂系统与复杂性科学, 2009, 6 (03) :1-10
[6]   互联网推荐系统比较研究 [J].
许海玲 ;
吴潇 ;
李晓东 ;
阎保平 .
软件学报, 2009, 20 (02) :350-362