您的位置: 专家智库 > >

江苏省高校自然科学研究项目(13KJB520002)

作品数:2 被引量:20H指数:2
相关作者:李慧胡云施珺马小平更多>>
相关机构:中国矿业大学南京大学淮海工学院更多>>
发文基金:江苏省高校自然科学研究项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇社会网
  • 2篇社会网络
  • 1篇信任
  • 1篇信任度
  • 1篇声望
  • 1篇协同过滤
  • 1篇矩阵
  • 1篇矩阵分解
  • 1篇个性化推荐

机构

  • 2篇淮海工学院
  • 2篇南京大学
  • 2篇中国矿业大学

作者

  • 2篇施珺
  • 2篇胡云
  • 2篇李慧
  • 1篇马小平

传媒

  • 1篇计算机应用
  • 1篇计算机应用研...

年份

  • 1篇2014
  • 1篇2013
2 条 记 录,以下是 1-2
排序方式:
融合社会网络与信任度的个性化推荐方法研究被引量:12
2014年
针对协同推荐技术存在的数据稀疏性和恶意评价行为等问题,提出了一种新颖的基于社会网络的协同过滤推荐算法。该方法借助社会网络分析技术对协同推荐方法加以改进,结合用户信任关系与用户自身兴趣,通过计算网络节点的可信度来消减虚假评分或恶意评分给推荐系统带来的负面影响,从而提高了推荐系统的准确度。实验表明,相对于传统的协同过滤算法,该算法可以有效缓解用户评分稀疏性及恶意评价行为带来的问题,显著提高推荐系统的推荐质量。
李慧马小平胡云施珺
关键词:社会网络声望协同过滤
社会网络环境下的协同推荐方法被引量:8
2013年
针对传统协同过滤推荐算法的数据稀疏性及恶意评分等问题,提出了一种融合信任度与矩阵分解技术实现社会网络推荐的方法。首先通过计算节点的声望值与偏见值发现网络中的不可信节点,并将其评分权重进行弱化。然后将用户-评分矩阵与信任度矩阵相结合,实现社会网络环境下的协同推荐。实验表明,相对于传统的协同过滤算法,该算法可以消减虚假评分或恶意评分给推荐系统带来的负面影响,有效地缓解数据稀疏性与冷启动问题,显著提高推荐系统的推荐质量。
李慧胡云施珺
关键词:社会网络矩阵分解
共1页<1>
聚类工具0