融合社区结构和兴趣聚类的协同过滤推荐算法

被引：94

作者：

郭弘毅

刘功申

苏波

孟魁

机构：

[1] 上海交通大学电子信息与电气工程学院

来源：

计算机研究与发展 | 2016年 / 53卷 / 08期

关键词：

重叠社区; 兴趣聚类; 推荐算法; 协同过滤; 矩阵分解;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

080201 [机械制造及其自动化];

摘要：

传统的协同过滤推荐算法受限于数据稀疏性问题,导致推荐结果较差.用户的社交关系信息能够体现用户之间的相互影响,将其用于推荐算法能够提高推荐结果的准确度,目前的社交化推荐算法大多只考虑了用户的直接社交关系,没有利用到潜在的用户兴趣偏好信息以及群体聚类信息.针对上述情况,提出一种融合社区结构和兴趣聚类的协同过滤推荐算法.首先通过重叠社区发现算法挖掘用户社交网络中存在的社区结构,同时利用项目所属类别信息,设计模糊聚类算法挖掘用户兴趣偏好层面的聚类信息.然后将2种聚类信息融合到矩阵分解模型的优化分解过程中.在Yelp数据集上进行了新算法与其他算法的对比实验,结果表明,该算法能够有效提高推荐结果的准确度.

引用

页码：1664 / 1672

页数：9

共 5 条

[1]

一种信任关系强度敏感的社会化推荐算法 [J].

郭磊 ;

马军 ;

陈竹敏 .

计算机研究与发展, 2013, 50 (09) :1805-1813

[2]

A survey of collaborative filtering based social recommender systems.[J].Xiwang Yang;Yang Guo;Yong Liu;Harald Steck.Computer Communications.2014,

[3]

Recommender systems survey.[J].J. Bobadilla;F. Ortega;A. Hernando;A. Gutiérrez.Knowledge-Based Systems.2013,

[4]

A Survey of Collaborative Filtering Techniques.[J].Xiaoyuan Su;Taghi M. Khoshgoftaar;Jun Hong.Advances in Artificial Intelligence.2009,

[5]

Community detection in graphs.[J].Santo Fortunato.Physics Reports.2009, 3

← 1 →