基于模块度和标签传递的推荐算法

作者：盛俊^*; 李斌; 陈崚

来源：计算机应用, 2020, 40(09): 2606-2612.

• 社交网络
• 推荐
• 二部图
• 社区挖掘
• 模块度标签传递

针对基于网络信息的商品推荐的问题,提出了在二部网络上基于社区挖掘和标签传递的推荐算法。首先,用带权的二部图来表达用户-项目的评分矩阵,利用标签传递技术对二部网络进行社区挖掘;然后,基于二部网络中的社区结构信息,充分利用用户所在的社区之间的相似性以及项目之间、用户之间的相似性来挖掘用户可能感兴趣的项目;最后,向用户进行项目的推荐。在实际网络上的实验结果表明,与基于双向关联规则项目评分预测的推荐算法(BAR-CF)、基于项目评分预测的推荐算法(IR-CF)、基于网络链接预测的用户偏好预测方法(PLP)和改进的基于用户的协同过滤的方法(MU-CF)相比,该算法的平均绝对差(MAE)低0.1～0.3,准确率高0.2。因此,所提算法可以取得比其他类似方法更高质量的推荐结果。

• 单位
  扬州市职业大学