基于全局相似度的社交网络个性化推荐算法

作者：张艺豪; 李梁; 赵清华; 马建芬; 段倩倩

来源：计算机工程, 2018, 44(10): 204-208.

DOI：10.19678/j.issn.1000-3428.0048752

• 全局相似度
• 个性化推荐
• 社交网络
• 数据挖掘
• 机器学习

针对经典社交网络推荐算法忽略项目相似度信息的问题,提出一种改进的社交网络个性化推荐算法。挖掘项目之间的全局项目相似度信息,分析社交网络用户之间信任值的可靠度,并将两者融合在一种模型中,实现对用户的个性化推荐。在Filmtrust数据集与Ciao数据集上的实验结果表明,与PMF、SocialMF和SoRec算法相比,该算法能够提高推荐准确性,降低在冷启动问题上的推荐误差。

• 单位
  太原师范学院; 太原理工大学