一种基于社交网络社区的组推荐框架

kjdskj

摘 要：面向用户群组的推荐主要面临如何有意义地对群组进行定义并识别，以及向群组内用户进行有效推荐两大
! G' @8 e2 W4 e9 j0 V$ N  |. D* z问题。该文针对已有研究在用户群组定义解释性不强等存在的问题，提出一种基于社交网络社区的组推荐框架。该
5 D* P, r7 E- j' a9 a" X. v- x框架利用社交网络结构信息发现重叠网络社区结构作为用户群组，具有较强的可解释性，并根据用户与群组间的隶
属度制定了考虑用户对群组贡献与用户从群组获利的 4 种聚合与分配策略，以完成组推荐任务。通过在公开数据集
- q9 S& V. Z  X4 z9 L1 ?上与已有方法的对比实验，验证了该框架在组推荐方面的有效性和准确性。
关键词：社交网络；组推荐；重叠网络社区；非负矩阵分解
, X( l( Y( w0 N1 引言
随着 Web 2.0 技术的快速发展，用户接入互联
% E# L6 w2 R% @5 E+ M网后更倾向于在诸如 Epinions, Ciao，豆瓣，大众点
5 v8 k5 D4 p$ N: [0 O! @评等针对商品、服务的在线评价网站寻求购买意见
" i( K  o1 U' w" n8 g3 v和建议，以帮助他们选择适合的商品、服务等项目
* D( L1 T6 ?2 C3 f0 [(如电影、音乐、餐厅等，下文的“项目”均指商品
4 w- j, W- j0 J' r6 k6 m& O或服务)。根据用户以往对项目的评分和评价信息，
" Q- w  a. d& Q+ T. w+ l针对个人的个性化推荐系统能够为用户提供他们所
/ G- ]3 y! g. ]5 B, k感兴趣的项目。在现实世界中，个人因不同原因聚
; F: h/ ?* y; Y7 ^) S$ [集而形成群组。尽管有大量面向个人的个性化推荐


5 Z( v# s) I, p( K+ x; K& A
" l( @) a- q( l+ _' B8 E
3 m: S$ }8 G4 d' S" B
$ n) ~; a. l9 s# w# V! j附件下载：

游客，如果您要查看本帖隐藏内容请回复

3 \  d3 X. H" v% ?2 y: |

ESCAPE

谢谢分享