|
|||||
|
|
| 融合“用户-项目-用户兴趣标签图”的协同好友推荐算法 | |
| 作者单位： | ;1.华南师范大学计算机学院;2.维多利亚大学工程与科学学院 |
| 摘 要： | 随着社交网络的用户数量呈爆炸式增长,如何为用户推荐具有相同兴趣爱好的好友已成为当前研究的焦点。为此,提出了一种基于"用户-项目-用户兴趣标签图"的协同好友推荐算法。该算法首先利用基于"用户-项目-标签"的三部图物质扩散推荐算法来计算用户之间的相似度,并引入"用户-用户兴趣标签图"二元关系,通过用户的兴趣标签图来发掘用户的兴趣主题;然后根据用户主题分布,利用KL距离来计算用户之间的相似度;最后将两组结果采用调和平均数方式融合得到用户间的综合相似度,并进行好友的推荐。通过在Delicious和Last.fm数据集上的实验证明,该算法能有效提高Top-N推荐的准确率和召回率,同时通过在学术社交网站——学者网数据集上进行的学者推荐实验表明,该算法能有效提高核心用户的推荐度。 |
| 关 键 词： | 好友推荐 三部图 标签 社交网络 协同推荐 |
Combining User-Item-Tag Tripartite Graph and Users Personal Interests for Friends Recommendation |
|
| Abstract: | |
| Keywords: | |
