融合网络嵌入和奇异值分解的社会化推荐系统

作者：吴晋; 李廷鱼^*; 董旭彬

来源：现代电子技术, 2021, 44(07): 101-105.

DOI：10.16652/j.issn.1004-373x.2021.07.020

• 奇异值分解
• 个性化推荐
• Top-k语义朋友
• 矩阵分解
• 推荐系统
• 机器学习

奇异值分解(SVD)技术在生成个性化推荐中起着重要作用,但其性能受到数据稀疏性和冷启动问题的挑战。此外,不同的方法与SVD结合各有优势,因此利用不同方法的互补性质是另外一个难题。为了解决以上问题,建议从用户反馈中提取隐含而且可靠的社交信息,并为每个用户识别Top-k语义朋友,并且将Top-k语义朋友信息合并到SVD的框架中以解决问题。两个真实的数据集的实验结果表明,提出的方法比具有显性社会关系的最先进的方法——矩阵分解可以得到更好的结果,对RMSE有4.0%的改进。

• 单位
  太原理工大学