基于用户—资源关联的社会化小众推荐模型研究

社会网络环境下用户小众化需求和资源长尾分布特征,要求推荐策略从大众化向小众化转变。文章在分析社会网络环境下用户小众化需求特征和推荐策略变革的基础上,引入用户与资源之间的关联关系,提出了社会化小众推荐策略。根据物理动力学中物质扩散和热传导能量分配理论,分析了基于用户—资源二部关联图的社会化小众推荐机理,构建了社会化小众推荐模型,并在典型的社会化书签服务中进行了相应的实证分析,以期提升资源推荐的个性化效果。

M是连通拟阵与G（D#）是连通图的关系

研究M是连通拟阵与G(D#)是连通图的关系。证明了M中有一个基B,使得C1,C2,…,Cn-r是M中全体对应于基B的基本极小圈,等价于对任意j∈1,2,…,n-r,Cj∪i≠jCi。由此证明了(Cunningham 1973,Krogdahl 1977)M是连通拟阵等价于B∪e∈E(M)-BCM(e,B),并且对任意X∩Y=φ,X∪Y=E(M)-B都有∪e∈XCMe,B∩∪e∈YCM(e,B)≠φ。得到结果为M是连通拟阵等价于G(D#)是连通图。

由多项拟阵函数f所确定的拟阵Mf的秩rf

研究由多项拟阵函数f所确定的拟阵的秩函数rf。先给出由次模函数所确定的拟阵Mf,然后导出多项拟阵函数的秩函数rf的表示式。由此证明了多项拟阵函数f的两个性质,讨论了由二部图导出拟阵M(△)的独立集I(△)和秩函数rf(△)的表示。

改进填补法和多权重相似度相结合的推荐算法

针对传统推荐算法中存在的数据稀疏性问题,国内外许多研究人员都提出了相应的推荐算法。然而,在个性化推荐方面,其中大多数并没有取得很好的推荐效果。因此,提出改进填补法和多权重相似度相结合的推荐算法,该算法首先采用改进填补法填充缺失值并对数据降维,接着分别计算社交网络用户信任度和改进的二部图用户关联度,最后采用多权重因子将这两者相似度进行结合。基于此,该算法根据相似度高低获取邻居用户并对目标用户进行商品推荐。实验结果表明,在数据稀疏性以及个性化推荐情况下,该算法的平均绝对误差(MAE)优于其他推荐方法。