首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
胡云, 张舒, 李慧, 施珺, 仲兆满.融合社会标签与信任关系的社会网络推荐方法[J].数据采集与处理,2018,33(4):704-711
融合社会标签与信任关系的社会网络推荐方法
Social Networks Recommendation Based on Social Tag and Trust Relation
投稿时间:2016-09-25  修订日期:2016-11-29
DOI:10.16337/j.1004-9037.2018.04.014
中文关键词:  社会网络  推荐  信任度  矩阵分解  标签
英文关键词:social network  recommendation  trust  matrix factorization  tag
基金项目:国家自然科学基金(61403156,61403155)资助项目;江苏高校"青蓝工程"资助项目;连云港市"521工程"科研资助项目;连云港市科技计划(JC1608)资助项目;淮海工学院自然基金(Z2017012,Z2015012)资助项目;淮海工学院教学改革项目(XJG2017-2-5)资助项目;教育部协同育人项目(201701028110,201701028011,201702134005)资助项目。
作者单位E-mail
胡云1, 张舒2, 李慧3,4, 施珺3, 仲兆满3 1. 南京中医药大学信息技术学院, 南京, 210023

2. 淮海工学院商学院
, 连云港, 222005

3. 淮海工学院计算机工程学院
, 连云港, 222005

4. 江苏省海洋资源开发研究院
, 连云港, 222005 
ppshufan@126.com 
摘要点击次数: 536
全文下载次数: 810
中文摘要:
      针对推荐系统中普遍存在的数据稀疏和冷启动等问题,本文将标签与基于信任的社交推荐方法相结合,提出了一种融合社会标签和信任关系的社会网络推荐方法。该方法利用概率因式分解技术实现了社会信任关系、项目标记信息和用户项目评分矩阵的集成。从不同维度出发,实现了用户和项目潜在特性空间的互连。在此基础上,通过概率矩阵因式分解技术实现降维,从而实现了有效的社会化推荐。在Epinions和Movielens数据集上的实验结果表明本文所提出的方法优于传统的社会化推荐和社会标签推荐算法,特别是当用户评分数据较少时该算法的优越性体现得更好。
英文摘要:
      Aiming at the universal problem of data sparsity and cold start in recommendation system, a social network recommendation method based on the combination of social label and trust relation is proposed in the paper. The proposed method uses the probabilistic factorization technique to integrate the social trust, item marking information and user item score matrix. The interconnection of users and potential item feature space is realized from different dimensions. On this basis, the realization of dimension reduction by the factorization of probability matrix can achieve effective social recommendation. Experimental results on Epinions and Movielens data sets show that the proposed method is superior to traditional social recommendation and social label recommendation algorithms, especially in the case of less user score data.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2196117位访问者 本站今日一共被访问715

技术支持:北京勤云科技发展有限公司