融合社交信息的矩阵分解改进推荐算法
来源：计算机工程杂志2021年第9期北京时间：
作者：贾俊杰, 刘鹏涛, 陈旺虎
单位：西北师范大学 计算机科学与工程学院, 兰州 730070
摘要：矩阵分解的推荐模型具有推荐精度高和易扩展等特点，已成为目前融合社交信息构建推荐系统的主要模型，但在分解过程中，用户偏好矩阵和物品特征矩阵初始赋值的随机性影响了推荐的性能，忽略了物品以及用户之间隐含的联系与区别。为此，提出一种基于社交信息的矩阵分解改进算法。将评分值分别与社交信息和物品的特征属性相结合，构建用户相似网络与物品相似网络，同时应用社区划分充分挖掘用户、物品之间的潜在关系，并按不同类型节点的近邻差异性，通过建立核心、非核心节点的偏好向量与特征向量得到矩阵分解初始矩阵。在公开数据集上的实验结果表明，该算法的推荐性能优于MF、SR2等同类型算法，运行迭代次数明显降低。
关键词：推荐算法,社交信息,相似网络,社区发现,矩阵分解
基金资助：国家自然科学基金（61967013）；甘肃省高等学校创新能力提升项目（2019A-006）。
