|
|
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
) D, t, C4 A3 I/ b. K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
9 I6 ~9 e9 Q6 R% ^/ @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
# y4 ]1 x s0 U& T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 `$ ]2 ]7 j% r) J) H% n
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 y9 ` f' a! v关键词：社交网络；组推荐；重叠网络社区；非负矩阵分解
* }7 l# k7 i3 T F1 Y- ~1 引言
1 b+ e& u6 V# G. p& m5 I# x随着 Web 2.0 技术的快速发展，用户接入互联- Y% d" |9 w Y9 z4 ]& R$ S7 [
网后更倾向于在诸如 Epinions, Ciao，豆瓣，大众点4 W' m; \7 v0 H% V( E( \
评等针对商品、服务的在线评价网站寻求购买意见
/ e" R9 t/ \( r1 A8 O* @和建议，以帮助他们选择适合的商品、服务等项目4 X: H, K, G- [
(如电影、音乐、餐厅等，下文的“项目”均指商品
( S$ a( W* f4 ]- m/ ]7 \或服务)。根据用户以往对项目的评分和评价信息，* l1 z3 X) N# a! P7 u) ?! p" W
针对个人的个性化推荐系统能够为用户提供他们所; Z" [) R O% Z* g5 ~
感兴趣的项目。在现实世界中，个人因不同原因聚7 `9 b% z6 X$ X* w
集而形成群组。尽管有大量面向个人的个性化推荐& H" R" n9 D+ V4 ?: N, N* {
& n1 c$ K( A/ S+ B3 V" `2 j* Q. d1 h1 f
* R9 d0 ]% q. r- O7 p6 s8 ~
" m2 ]7 k0 x$ e6 b
& |7 m" F1 r; ~
附件下载：
/ _! r9 I& _, N( c1 q z
. P# ]1 w- `+ q d |
|
/1 
发表于 2021-3-12 15:19
收藏
淘帖
支持！
反对！