摘要：随着社交媒体的发展,社交活动日益普及并产生丰富的社会关系。融合社会关系进行推荐可以缓解传统推荐系统面临的数据稀疏和冷启动问题。已有很多成功利用社会关系和评分信息进行推荐的算法,然而它们没有充分地挖掘不同的社会关系对用户的不同影响以及在不同时间段中社会关系的不同影响,这导致推荐效果的下降。基于对现实中社会关系影响复杂性的充分考虑,提出了新的考虑社会关系影响差异和动态性的社会化推荐算法。在Epinions数据集上的实验结果表明该方法可以提高推荐质量。复杂度分析也表明该方法具有可扩展性,能够适应大数据集的要求。
分类：期刊> 自然科学与工程技术> 信息科技> 计算机软件及计算机应用
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 哥白尼索引(波兰) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：协同过滤 社交网络 矩阵分解 社交信任 差异性 动态性
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
