现代电子技术

2021, v.44;No.582(07) 101-105

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

融合网络嵌入和奇异值分解的社会化推荐系统
Social recommendation system integrating network embedding and singular value decomposition

吴晋;李廷鱼;董旭彬;

摘要(Abstract):

奇异值分解(SVD)技术在生成个性化推荐中起着重要作用,但其性能受到数据稀疏性和冷启动问题的挑战。此外,不同的方法与SVD结合各有优势,因此利用不同方法的互补性质是另外一个难题。为了解决以上问题,建议从用户反馈中提取隐含而且可靠的社交信息,并为每个用户识别Top-k语义朋友,并且将Top-k语义朋友信息合并到SVD的框架中以解决问题。两个真实的数据集的实验结果表明,提出的方法比具有显性社会关系的最先进的方法——矩阵分解可以得到更好的结果,对RMSE有4.0%的改进。

关键词(KeyWords): 奇异值分解;个性化推荐;Top-k语义朋友;矩阵分解;推荐系统;机器学习

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61872261)资助项目;; 山西省社科联重点课题研究项目(SSKLZDKT2017090)资助项目

作者(Author): 吴晋;李廷鱼;董旭彬;

Email:

DOI: 10.16652/j.issn.1004-373x.2021.07.020

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享