基于联合概率矩阵分解的微博关注推荐算法

作者：熊孝全; 张明新

来源：微电子学与计算机, 2019, 36(08): 92-96.

DOI：10.19304/j.cnki.issn1000-7180.2019.08.020

• 微博关注推荐
• 联合概率矩阵分解
• 关系相似度
• 影响力模型

在传统的概率矩阵分解算法基础上,考虑交互行为的时效性建立用户影响力模型,并结合静态关注关系,提出了基于联合概率矩阵分解的微博关注推荐算法(UPMFF-L).在使用scrapy爬取新浪微博得到的数据集上的实验结果表明,与NMF、PMF和SoRec算法相比,UPMFF-L算法在不同数据密度下的F1-Measure平均提升了11.82%.

• 单位
  苏州大学; 常熟理工学院