换一批摘要针对目前协同过滤方法存在的数据稀疏性、冷启动以及未能有效利用用户社交网络信息提高推荐质量等问题,提出一种融合用户社交网络信息的协同过滤方法,该方法以矩阵分解推荐模型为核心,可综合集成目标用户个人偏好以及社交网络中的关系用户偏好特征信息做出推荐.通过设计相应的推荐方法,并基于梯度下降法对用户以及商品特征矩阵的求解进行了优化运算.相关实验结果表明融合社交网络信息可在一定程度上提高协同过滤的推荐准确度以及缓解数据稀疏性、冷启动问题.
更多相关知识
关键词
协同过滤社交网络矩阵分解梯度下降法推荐系统collaborative filteringsocial networkmatrix factorizationgradient descend methodrecommendation system
分类号
TP391
DOI
10.3969/j.issn.1000-9965.2013.03.001
发布时间
2013-08-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61272067）
国家科技支撑计划（SQ2011GX07E01500）
广东省自然科学基金（S2012030006242）
广东省科技重大专项（2012A080104019）
广东省高等学校优秀青年创新人才培养计划（2012LYM_0077）
- 浏览145
- 被引5
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
