利用社会网络关键用户改进协同过滤算法性能

被引：7

作者：

张莉

滕丕强

秦桃

机构：

[1] 对外经济贸易大学信息学院

来源：

情报杂志 | 2014年 / 04期

关键词：

关键用户; 社会网络; 协同过滤; 聚类;

D O I：

暂无

中图分类号：

TP393.01 [];

学科分类号：

摘要：

随着在线社会网络的发展以及个性化信息推荐服务的应用,基于社会网络的协同推荐技术得到了发展。将社会网络的关键用户融入到传统的基于用户聚类的协同过滤算法,即通过关键用户改进协同过滤算法,并通过实验验证关键用户对协同过滤算法性能的影响。实验结果表明关键用户可以提高协同过滤算法的推荐准确性,这也表明社会网络中用户兴趣与关键用户的兴趣是相关的。

引用

页码：196 / 200

页数：5

共 19 条

[1] Social Network Collaborative Filtering Framework and Online Trust Factors:a Case Study on Facebook. Chen W,Fong S. 2010 Fifth International Conference on Digital Information Management (ICDIM) . 2010
[2] Trust-aware Collaborative Filtering for Recommender Systems. Massa P,Avesani P. On the Move to Meaningful Internet Systems 2004:CoopIS,DOA,and ODBASE . 2004
[3] 电子商务推荐的研究现状及其发展前景
张光前
雷彩华
吕晓敏
[J]. 情报杂志, 2011, 30 (12) : 60 - 65+21
[4] SNS背景下基于Tag和Rating相似度融合的协同过滤
王卫平
张丽君
[J]. 计算机系统应用, 2011, 20 (10) : 78 - 81
[5] 结合用户信任模型的协同过滤推荐方法研究
蔡浩
贾宇波
黄成伟
[J]. 计算机工程与应用 , 2010, (35) : 148 - 151
[6] 基于改进信任度的协同过滤推荐算法
金亚亚
牟援朝
[J]. 现代图书情报技术, 2010, (10) : 49 - 53
[7] Ranking spreaders by decomposing complex networks
Zeng, An
Zhang, Cheng-Jun
[J]. PHYSICS LETTERS A, 2013, 377 (14) : 1031 - 1035
[8] Bipartite network projection and personal recommendation. Zhou, Tao,Ren, Jie,Medo, Matú?,Zhang, Yi-Cheng. Physical Review E - Statistical, Nonlinear, and Soft Matter Physics . 2007
[9] Analyzing Correlation Between Trust and User Similarity in Online Communities. Ziegler C,Georg L. Proceedings of Second International Conference on Trust Management . 2004
[10] Identifying influential spreaders and efficiently estimating infection numbers in epidemic models: A walk counting approach. Frank Bauer,Joseph T. Lizier. EPL . 2012

← 1 2 →