社会网络环境下的协同推荐方法

被引：8

作者：

李慧 ^{[1
,2
]}

胡云 ^{[1
,3
]}

施珺 ^{[1
]}

机构：

[1] 淮海工学院计算机工程学院

[2] 中国矿业大学信息与电气工程学院

[3] 南京大学计算机科学与技术系

来源：

计算机应用 | 2013年 / 33卷 / 11期

关键词：

社会网络; 权威; 可信度; 矩阵分解; 推荐;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

针对传统协同过滤推荐算法的数据稀疏性及恶意评分等问题,提出了一种融合信任度与矩阵分解技术实现社会网络推荐的方法。首先通过计算节点的声望值与偏见值发现网络中的不可信节点,并将其评分权重进行弱化。然后将用户-评分矩阵与信任度矩阵相结合,实现社会网络环境下的协同推荐。实验表明,相对于传统的协同过滤算法,该算法可以消减虚假评分或恶意评分给推荐系统带来的负面影响,有效地缓解数据稀疏性与冷启动问题,显著提高推荐系统的推荐质量。

引用

页码：3067 / 3070

页数：4

共 12 条

[1]

Probabilistic matrix factorization. Salakhutdinov, R,Mnih, A. Advances inNeural Information Processing Systems . 2008

[2]

TWITOBI:a recommendation system for twitter using probabilistic modeling. KIM Y,SHIM K. Proceedings of the 11th IEEE International Conference on Data Mining . 2011

[3]

Variational bayesian inference with stochastic search. PAISLEY J,BLEI D,JORDAN M I. Proceedings of the 29th International Conference on Machine Learning . 2012

[4]

New objective functions for social collaborative filtering. NOEL J,SANNER S,TRAN K N,et al. Proceedings of the 21st International Conference on Work Wide Web . 2012

[5] 通过相似度支持度优化基于K近邻的协同过滤算法 [J].

罗辛 ;

欧阳元新 ;

熊璋 ;

袁满 .

计算机学报, 2010, 33 (08) :1437-1445

[6] 用户兴趣变化感知的重启动随机游走推荐算法研究 [J].

俞琰 ;

邱广华 .

现代图书情报技术, 2012, (04) :48-53

[7]

SoRec:social recommendation using probabilistic matrix factorization. H. Ma,H. Yang,M. R. Lyu,I. King. Proceedings of the 17th ACM Conference on Information and Knowledge Management . 2008

[8] 基于社会网络分析的协同推荐方法改进 [J].

冯勇 ;

李军平 ;

徐红艳 ;

党晓婉 .

计算机应用, 2013, 33 (03) :841-844

[9]

Trust-aware recommender systems. MASSA P,AVESANI P. Proceedings of the2007ACM Conference on Recommender Systems . 2007

[10]

Signed networks in social media. LESKOVEC J,HUTTENLOCHER D,KLEINBERG J. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems . 2010

← 1 2 →