|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
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
1 g- m3 s5 P, t* N+ U, V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# F. }3 @5 G' A6 p
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
6 r, @7 j9 {1 Y5 F7 I2 [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6 y, w& f6 V5 j0 M0 d- O; v
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。
7 H$ \* M0 ~5 J关键词：社交网络；组推荐；重叠网络社区；非负矩阵分解* C, M0 u2 f2 L5 L
1 引言; G; y% e$ c1 {- v4 z1 }, l
随着 Web 2.0 技术的快速发展，用户接入互联
5 ^" Y" G+ k9 o1 {网后更倾向于在诸如 Epinions, Ciao，豆瓣，大众点$ J _) \: r/ V* `" l: v# B
评等针对商品、服务的在线评价网站寻求购买意见
$ J2 ] K/ q- ]和建议，以帮助他们选择适合的商品、服务等项目
& `7 c; x& q; {/ T2 w5 o& Q+ w(如电影、音乐、餐厅等，下文的“项目”均指商品. q+ w8 g. G% p; w6 j
或服务)。根据用户以往对项目的评分和评价信息，) \; k& z6 b, a( }2 R9 S5 O
针对个人的个性化推荐系统能够为用户提供他们所
2 ~, |8 l H% |- B6 {感兴趣的项目。在现实世界中，个人因不同原因聚
! R! D8 d2 [! [7 S9 b2 Y+ G& t- s S集而形成群组。尽管有大量面向个人的个性化推荐
+ z" F* F3 \( y9 f, R$ W4 U5 ] j& K: B2 Y9 p
% z4 X' l/ I" n2 ]9 M
) ^" y1 f4 _; R7 T2 ~5 s
. f4 {" A: ]* O9 H6 F; S7 f8 E$ B$ a H. Z' }4 {8 x" Y9 h1 V- n7 e
附件下载：! \. d6 b9 Z/ f4 D
" }4 W# ?6 v1 e3 T6 w) \
|
|
/1 
发表于 2021-3-12 15:19
收藏
淘帖
支持！
反对！