文献类型：期刊文章

作　　者：叶卫根[1] 宋威[1]

机构地区：[1]江南大学物联网工程学院物联网技术应用教育部工程研究中心,江苏无锡214122

出　　处：《计算机工程与科学》

基　　金：国家自然科学基金(61673193);中央高校基本科研业务费专项资金(JUSRP51510;JUSRP51635B)

年　　份：2016

卷　　号：38

期　　号：12

起止页码：2579-2586

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、INSPEC、ZGKJHX、核心刊

摘　　要：为了解决推荐系统中固有的数据稀疏性和冷启动问题,通常会采用一些额外的与用户或是项目有关的信息。提出了一种新颖的基于矩阵因子分解的推荐算法,其结合了其他用户对于活动用户未来评分的间接影响作用,并进一步将社交网络中的信任关系融入到算法中。同时,为了避免学习参数时过度拟合,引入了一种加权的正规化因子。最后针对一般情况和冷启动情况,分别在Epinions数据集和Ciao数据集上进行了实验。实验结果表明,相比于其它相关算法,本算法在推荐准确性上有了很大的提高,同时能更好地解决相关问题。

关 键 词：推荐系统 社交网络 矩阵因子分解  信任关系 间接影响  

分 类 号：TP391]