针对传统推荐算法假设用户独立导致推荐精确度较低的问题,提出了一种结合用户社会化关系的推荐算法(recommender system based on friendships,RSbo F)。首先采用聚类算法挖掘用户具有相似兴趣爱好的朋友,计算用户相似度;然后在用户—...针对传统推荐算法假设用户独立导致推荐精确度较低的问题,提出了一种结合用户社会化关系的推荐算法(recommender system based on friendships,RSbo F)。首先采用聚类算法挖掘用户具有相似兴趣爱好的朋友,计算用户相似度;然后在用户—资源矩阵的基础上采用奇异值分解策略并引入朋友关系作为正则项进行修正,提出融合用户社会化关系的推荐算法模型,使用梯度下降方法求解目标函数;最后在豆瓣数据集上进行实验,并与协同过滤、基于社会正则化算法等推荐模型进行比较。实验表明提出算法的绝对误差和均方误差都有所改善,说明推荐精确度得到了提高。展开更多
文摘针对传统推荐算法假设用户独立导致推荐精确度较低的问题,提出了一种结合用户社会化关系的推荐算法(recommender system based on friendships,RSbo F)。首先采用聚类算法挖掘用户具有相似兴趣爱好的朋友,计算用户相似度;然后在用户—资源矩阵的基础上采用奇异值分解策略并引入朋友关系作为正则项进行修正,提出融合用户社会化关系的推荐算法模型,使用梯度下降方法求解目标函数;最后在豆瓣数据集上进行实验,并与协同过滤、基于社会正则化算法等推荐模型进行比较。实验表明提出算法的绝对误差和均方误差都有所改善,说明推荐精确度得到了提高。
基金973项目"面向服务的未来互联网体系结构(SOFIA:Service-Oriented Future Internet Architecture"(2012CB315805)国家科技重大专项资助课题(2008ZX03004)+1 种基金教育部新世纪优秀人才支持计划项目(NCET-10-0241)国家自然科学基金资助项目(90924029)