基于用户信任和张量分解的社会网络推荐?
外文标题:Social Recommendations Based on User Trust and Tensor Factorization
文献类型:期刊
作者:邹本友[1]
机构:数据工程与知识工程教育部重点实验室,北京 100872; 中国人民大学信息学院,北京 100872;数据工程与知识工程教育部重点实验室,北京 100872; 中国人民大学信息学院,北京 100872; 山东理工大学计算机学院,山东淄博 255091
通讯作者:Li, Cui-Ping
年:2014
期刊名称:软件学报
卷:25
期:12
页码范围:2852-2864
增刊:增刊
收录情况:EI(20145300387599)
所属部门:信息学院
语言:中文
ISSN:1000-9825
链接地址:http://d.g.wanfangdata.com.cn/Periodical_rjxb201412010.aspx
DOI:10.13328/j.cnki.jos.004725
人气指数:2
浏览次数:2
基金:国家重点基础研究发展计划(973); 国家高技术研究发展计划(863); 国家自然科学基金; 国家社会科学基金
关键词:推荐系统;社会网络;信任;张量分解;增量更新
摘要:社会化网络中的推荐系统可以在浩瀚的数据海洋中给用户推荐相关的信息。社会网络中用户之间的信任关系已经被用于推荐算法中,但是目前的基于信任的推荐算法都是单一的信任模型。提出了一种基于主题的张量分解的用户信任推荐算法,用来挖掘用户在不同的物品选取的时候对不同朋友的信任程度。由于社交网络更新速度快,鉴于目前的基于信任算法大都是静态算法,提出了一种增量更新的张量分解算法用于用户信任的推荐算法。实验结果表明:所提出的基于主题的用户信任推荐算法比现有算法具有更好的准确性,并且增量更新的推荐算法可以大幅度提高推荐算法在训练数据增加后的模型训练效率,适合更新速度快的社会化网络中的推荐任务。
作者其他论文
内存OLAP多核并行查询优化技术研究.焦敏;张延松;王珊,等.计算机学报.2014,1895-1910.
无线传感器网络中隐私保护通用近似查询协议.范永健;陈红;张晓莹,等.计算机学报.2014,915-926.
Co-OLAP:CPU&GPU混合平台上面向星形模型基准的协同OLAP.张宇;张延松;张兵,等.华东师范大学学报(自然科学版).2014,240-251.
大数据下基于异步累积更新的高效P-Rank计算方法.王旭丛;李翠平;陈红.软件学报.2014,2136-2148.
符号社会网络中正负关系预测算法研究综述.蓝梦微;李翠平;王绍卿,等.计算机研究与发展.2015,52(2),410-422.