|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：面向用户群组的推荐主要面临如何有意义地对群组进行定义并识别，以及向群组内用户进行有效推荐两大0 _7 F7 ^+ f; k. X( Z
问题。该文针对已有研究在用户群组定义解释性不强等存在的问题，提出一种基于社交网络社区的组推荐框架。该4 @% }% E& |% b5 X- |2 U: k6 n' G
框架利用社交网络结构信息发现重叠网络社区结构作为用户群组，具有较强的可解释性，并根据用户与群组间的隶
+ w1 d. E# `+ m5 G" n属度制定了考虑用户对群组贡献与用户从群组获利的 4 种聚合与分配策略，以完成组推荐任务。通过在公开数据集
, g( A. D! I5 |& Y9 e3 e上与已有方法的对比实验，验证了该框架在组推荐方面的有效性和准确性。+ G( D3 E# s* n* w! C% C9 a" s/ a4 C6 f8 {
关键词：社交网络；组推荐；重叠网络社区；非负矩阵分解6 i* [( p. `# q9 t8 u) N8 k
1 引言4 t: ~6 @, W0 H' P/ g1 W: C
随着 Web 2.0 技术的快速发展，用户接入互联
8 Z: x; Z. K1 T网后更倾向于在诸如 Epinions, Ciao，豆瓣，大众点
c. l/ B8 a4 B$ T9 D* ]1 I# M评等针对商品、服务的在线评价网站寻求购买意见
9 z# c. B' F9 C K3 b1 \4 _4 K和建议，以帮助他们选择适合的商品、服务等项目
" f4 m6 R9 ~5 F( `2 e. _8 q: K(如电影、音乐、餐厅等，下文的“项目”均指商品
# a, Q% ?7 b4 s# ]* f或服务)。根据用户以往对项目的评分和评价信息，
0 ^! J1 Q: w6 S+ h& S) ~; }针对个人的个性化推荐系统能够为用户提供他们所: p( g% J1 W# x, f' U
感兴趣的项目。在现实世界中，个人因不同原因聚
) w) \$ J( R" p; [集而形成群组。尽管有大量面向个人的个性化推荐
3 Q0 f# `: d7 K# F1 @) Z6 G4 T1 r. l' R7 M$ {$ h7 c7 s; ] q
: h, m! t" n$ L+ o5 M
# q( S0 }$ q" u8 x* H, N
7 T' s+ \& @ ?& ?
" m1 u# G" _: i' S# R9 @附件下载：2 f( p. D4 \9 Y1 v, ?" q8 U
+ }% o6 O9 q1 S
|
|
/1 
发表于 2021-3-12 15:19
收藏
淘帖
支持！
反对！