结合社交与标签信息的协同过滤推荐算法

摘要：

传统的协同过滤推荐算法大部分只考虑单一的用户相似度,而忽略了用户的其他特征,随着Web2.0和社交网络等互联网新概念模式的发展,用户对个性化推荐技术的要求越来越高.针对上述情况,提出了一种结合社交与标签信息的协同过滤推荐算法.首先,定义了小众重叠度和个体重要度的概念,并描述了“个体-小众-社区”的形成过程；然后,分析“用户-项目-标签”三元组信息获得用户间的相似度,并结合社区中的个体重要度,得到目标用户的偏好预测和个性化推荐.采用Last.fm公共数据集进行一系列对比实验,结果表明,该算法在一定程度上提高了推荐准确度.

关键词： Collaborative filtering Recommendation algorithm Social network Tag

作者: 于洪 李俊华

作者单位: 重庆邮电大学计算智能重庆市重点实验室 重庆400065

会议类型: 国内会议

会议名称: 第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议

会议地点: 合肥

会议语种:中文

页码: 37-37

在线出版日期: 2012-10-13（万方平台首次上网日期，不代表论文的发表时间）