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
; h$ A# q& o9 y8 e' S0 h- G( c' X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
. t; C; V! T2 H! _# A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
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。
1 M  b" k8 z# ~8 l关键词：社交网络；组推荐；重叠网络社区；非负矩阵分解
' g9 [8 Y( I, f7 D* D8 `0 L6 ?1 T1 引言
随着 Web 2.0 技术的快速发展，用户接入互联
网后更倾向于在诸如 Epinions, Ciao，豆瓣，大众点
# O) k. Z* ]: p9 Q2 U, d  c评等针对商品、服务的在线评价网站寻求购买意见
$ c3 @! P+ _8 B. ?% R* ?1 u$ J和建议，以帮助他们选择适合的商品、服务等项目
4 F5 [/ p. t- x' H# b(如电影、音乐、餐厅等，下文的“项目”均指商品
+ s# w' O, V" O, f, h' S或服务)。根据用户以往对项目的评分和评价信息，
针对个人的个性化推荐系统能够为用户提供他们所
感兴趣的项目。在现实世界中，个人因不同原因聚
集而形成群组。尽管有大量面向个人的个性化推荐

9 P2 i: w6 j7 ]: n  T* l
$ u# B1 N2 w0 Y, B. T) A  s

$ b. t& w, [4 s) w$ p1 Z
附件下载：

游客，如果您要查看本帖隐藏内容请回复

  ~4 r) R2 a1 V" e; P$ l, ]4 T/ c
  b+ ~. w3 s8 l9 C

ESCAPE

谢谢分享