声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：余永红,高阳,王皓,孙栓柱,
关键词：用户社会地位, 矩阵分解, 推荐算法, PageRank算法, 社交网络,
随着社交网络服务的日益流行，社交网络平台为推荐算法提供了丰富的额外信息.假设朋友之间共享更多的共同偏好并且用户往往易于接受来自朋友的推荐，越来越多的推荐系统利用社交网络中用户之间的信任关系来改进传统推荐算法的性能.然而，现有基于社交网络推荐算法忽略了2个问题：1)在不同的领域中，用户信任不同的朋友；2)由于用户在不同的领域内具有不同的社会地位，因此，用户在不同的领域内受朋友的影响程度是不同的.首先利用整体的社交网络结构信息和用户的评分信息推导特定领域社交网络结构，然后利用PageRank算法计算用户在特定领域的社会地位，最后提出了一种融合用户社会地位信息的矩阵分解推荐算法.在真实数据集上的实验结果表明：融合用户地位信息的矩阵分解推荐算法的性能优于传统的基于社交网络推荐算法.
来源：2018年第1期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。