利用社交关系的实值条件受限玻尔兹曼机协同过滤推荐算法

作者：何洁月; 马贝

来源：计算机学报, 2016, (01): 183-195.

• 受限玻尔兹曼机
• 数据稀疏性
• R_CRBM
• 社交网络
• 信任关系
• 大数据 restricted Boltzmann machine
• data sparsity
• real-valued conditional restricted Boltzmann machine
• social network
• trust relationships
• big data

利用受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)解决推荐问题已成为一个很有意义的研究方向.目前用于推荐的RBM模型中使用的仅仅是用户评分数据,但用户评分数据存在着严重的数据稀疏性问题.随着互联网对人们生活的不断渗透,社交网络已经成为人们生活中不可缺少的一部分,利用社交网络中的好友信任关系,有助于缓解评分数据的稀疏性问题,提高推荐系统的性能.因此,该文首先提出基于实值的状态玻尔兹曼机(Real-Valued Conditional Restricted Boltzmann Machine,R_CRBM)模型,此模型不需要将评分数据转化为一个K维的0-1向量,...

• 单位
  东南大学