基于多维特征融合的社交网络用户兴趣点推荐算法

作者：顾秋阳; 吴宝; 胡倩倩; 孙兆洋

来源：通信学报, 2021, 1-14.

• 多维特征
• 社交网络
• 用户兴趣点推荐
• SVD算法

近年来，随着Web2.0时代的到来与社交网络平台体量的不断扩张，兴趣点推荐技术得到了广泛应用，而现存推荐算法普遍受到稀疏性和冷启动等问题。故提出一种多维特征（用户-项目矩阵、显式特征和隐式特征）融合的社交网络用户兴趣点推荐算法。首先，使用显式特征计算好友用户对间的相似度；其次，使用MSRA法计算各非好友用户对间的隐式关联概率，认为如概率超过阈值则会建立新的关联；另外，利用SVD算法对多维特征进行降维融合与缺失预测值计算，并应用SGD算法对推荐结果进行优化；最后，利用真实社交网络数据集对所提算法进行评估。实验结果表明，所提MDFF算法优于现有社交网络用户兴趣点推荐算法，较好的解决了冷启动问题，且适用于大规模数据集。

• 单位
  中国标准化研究院; 浙江工业大学