一种基于社区专家信息的协同过滤推荐算法

被引：69

作者：

张凯涵

梁吉业

赵兴旺

王智强

机构：

[1] 山西大学计算机与信息技术学院

[2] 计算智能与中文信息处理教育部重点实验室(山西大学)

来源：

计算机研究与发展 | 2018年 / 55卷 / 05期

关键词：

推荐系统; 协同过滤; 冷启动; 社区; 专家信息;

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：

协同过滤推荐算法由于不受特定领域知识限制、简单易实现等优点,得到了广泛的应用.但是,在实际应用中,该类算法往往面临着数据稀疏性、可扩展性、冷启动等问题.为了解决其中的用户冷启动问题,将用户社交信息和评分信息进行融合,提出了一种基于社区专家信息的协同过滤推荐算法.首先,依据用户的社交关系将用户划分为不同的社区;其次,根据一定的准则确定各个社区的专家,并利用社交信息和评分信息对专家评分进行填充进而缓解稀疏性;最后,对冷启动用户根据其所属社区的专家信息进行预测评分.在数据集FilmTrust和Epinions上与已有协同过滤推荐算法进行了比较分析.实验结果表明,提出的算法可以有效缓解协同过滤推荐算法中的用户冷启动问题,并在平均绝对误差和均方根误差2个评价指标上优于已有算法.

引用

页码：968 / 976

页数：9

共 11 条

[1]

LBSN上基于兴趣圈中社会关系挖掘的推荐算法 [J].

李鑫 ;

刘贵全 ;

李琳 ;

吴宗大 ;

丁君美 .

计算机研究与发展, 2017, 54 (02) :394-404

[2]

融合社区结构和兴趣聚类的协同过滤推荐算法 [J].

郭弘毅 ;

刘功申 ;

苏波 ;

孟魁 .

计算机研究与发展, 2016, 53 (08) :1664-1672

[3]

融合社交网络信息的协同过滤推荐算法 [J].

郭兰杰 ;

梁吉业 ;

赵兴旺 .

模式识别与人工智能, 2016, 29 (03) :281-288

[4]

社会化推荐系统研究 [J].

孟祥武 ;

刘树栋 ;

张玉洁 ;

胡勋 .

软件学报, 2015, 26 (06) :1356-1372

[5]

Simultaneous co-clustering and learning to address the cold start problem in recommender systems.[J].Andre Luiz Vizine Pereira;Eduardo Raul Hruschka.Knowledge-Based Systems.2015,

[6]

Merging trust in collaborative filtering to alleviate data sparsity and cold start.[J].Guibing Guo;Jie Zhang;Daniel Thalmann.Knowledge-Based Systems.2014,

[7]

Social recommendation: a review [J].

Tang, Jiliang ;

Hu, Xia ;

Liu, Huan .

SOCIAL NETWORK ANALYSIS AND MINING, 2013, 3 (04) :1113-1133

[8]

A smart local moving algorithm for large-scale modularity-based community detection.[J].Ludo Waltman;Nees Jan Eck.The European Physical Journal B.2013, 11

[9]

A literature review and classification of recommender systems research [J].

Park, Deuk Hee ;

Kim, Hyea Kyeong ;

Choi, Il Young ;

Kim, Jae Kyeong .

EXPERT SYSTEMS WITH APPLICATIONS, 2012, 39 (11) :10059-10072

[10]

Use of social network information to enhance collaborative filtering performance.[J].Fengkun Liu;Hong Joo Lee.Expert Systems With Applications.2009, 7

← 1 2 →