基于隐性社交圈的推荐算法

用户之间的社交信息已经被广泛地应用于改进传统的推荐系统。然而,在许多网站,如亚马逊和eBay,没有明确的社交图表可以用来提高推荐性能。因此,在这项工作中,为了使非社交性网站能够采用社交推荐的方法,论文提出了一个通用的框架,根据用户对所购商品给出的评分和评论来构建一个隐性社交圈。并将这种隐性的社交圈融合到目前已有的显性社交推荐算法中,从而来增强任何没有社交网络的推荐系统的性能。该算法通过皮尔逊相关系数PCC(Pearson Correla⁃tion Coefficient)来分析和提取用户之间的隐性社交圈,并将其融合于基于矩阵分解的社交推荐RS(Social Regularization)算法中,然后在Amazon数据集上进行实验。实验结果表明,该方法比传统的无社会信息推荐方法更有效。