|
|
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
# @. I7 z' R ]& D/ W: m' g/ 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$ p3 S# x. [% T
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# D' u* t+ F0 v% j2 ?2 t3 c
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
2 _ R$ o& i" q i7 @7 a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。
, R4 g9 P G# l$ S, A% |+ c关键词：社交网络；组推荐；重叠网络社区；非负矩阵分解
) y2 M3 V5 b9 i. g6 H1 引言 \; N% F' S" F8 q7 w8 N j' G
随着 Web 2.0 技术的快速发展，用户接入互联
$ V0 z; [& m4 o! W6 z3 m网后更倾向于在诸如 Epinions, Ciao，豆瓣，大众点8 v- y. `- R: h3 _) t
评等针对商品、服务的在线评价网站寻求购买意见
2 N ~* T2 q4 K2 r/ l* H0 ?和建议，以帮助他们选择适合的商品、服务等项目
: C3 T1 b; T$ v" Z4 S(如电影、音乐、餐厅等，下文的“项目”均指商品
" S$ U1 y" y) I3 ?或服务)。根据用户以往对项目的评分和评价信息，
' a! ]8 V! V* d3 }. _" y针对个人的个性化推荐系统能够为用户提供他们所
5 ?6 m2 w& v' O9 [7 K L0 U m感兴趣的项目。在现实世界中，个人因不同原因聚
9 x" u' E# O; u) b' O; U集而形成群组。尽管有大量面向个人的个性化推荐2 K) b$ p& T: I+ D9 |0 F% w
, j0 r; r4 n! q- [% H) }
" j- ]( [" [7 H# ~. u, M% }2 f% U; x5 d8 B7 v/ T8 ], Y
; K: o5 Q* C, @* f0 d, a7 R: q2 @$ z; l/ ?
附件下载：
4 u5 D2 Q' }5 y; m) k# d
& [ n% e n8 D9 _" g |
|
/1 
发表于 2021-3-12 15:19
收藏
淘帖
支持！
反对！