论文摘要
推荐系统是大数据中最常见的应用之一,传统的协同过滤推荐算法直接基于用户-项目评分矩阵,对于海量的用户和商品数据,算法的执行效率将会显著降低。针对这一问题,提出了一种基于多关系社交网络的协同过滤推荐算法。该算法利用信息传播方法对基于多子网复合复杂网络模型构建的多关系社交网络进行社团结构划分,从而将相似度接近的用户划分到一个社团中,进而在社团内部选择用户的k-近邻集合来构建用户-项目评分矩阵,然后利用协同过滤算法进行推荐,从而实现了在不降低推荐准确率的前提下提升推荐算法的执行效率。在真实数据集Epi-nions上,将所提算法与传统的协同过滤推荐算法进行对比。实验结果表明,所提算法具有较高的推荐效率和准确率,特别是对于海量数据,推荐算法的执行时间缩短到原有的1/10。
论文目录
文章来源
类型: 期刊论文
作者: 宾晟,孙更新
关键词: 推荐算法,社交网络,大数据,多子网复合复杂网络,信息传播,社团结构
来源: 计算机科学 2019年12期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 青岛大学数据科学与软件工程学院
基金: 教育部人文社会科学研究青年项目(15YJC860001),全国统计科学研究重点项目(2017LZ38),山东省自然基金面上项目(ZR2017MG011),山东省社会科学规划项目(17CHLJ16)资助
分类号: TP391.3
页码: 56-62
总页数: 7
文件大小: 1051K
下载量: 698