文献类型：期刊文章

作　　者：郭兰杰[1,2] 梁吉业[1,2] 赵兴旺[1,2]

机构地区：[1]山西大学计算机与信息技术学院,太原030006 [2]山西大学计算智能与中文信息处理教育部重点实验室,太原030006

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目(No.61573229;61432011;U1435212);山西省科技基础条件平台建设项目(No.2012091002-0101);山西省科技攻关计划项目(No.20110321027-01)资助~~

年　　份：2016

卷　　号：29

期　　号：3

起止页码：281-288

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：在推荐系统中,协同过滤推荐算法往往面临数据集的高度稀疏性和推荐精度有限的问题.为了解决上述问题,在基于物品的协同过滤推荐框架下,分别在物品相似度的计算和用户对物品的评分预测阶段,利用社交网络中朋友关系信息选择性地填充评分矩阵中的缺失值,最大化利用评分矩阵中的已有信息,提出融合社交网络信息的协同过滤推荐算法.最后,在Epinions数据集上的实验表明,文中算法在一定程度上缓解数据稀疏性问题,同时在评分误差和分类准确率两个指标上优于其它协同过滤算法.

关 键 词：协同过滤 社交网络 缺失值填充 数据稀疏性

分 类 号：TP391.3]