一种融合社交关系的矩阵分解推荐模型
来源：计算机工程杂志2020年第8期北京时间：
作者：吴清春, 贾彩燕
单位：北京交通大学 a. 计算机与信息技术学院;b. 交通数据分析与挖掘北京市重点实验室, 北京 100044
摘要：推荐系统可以有效解决信息过载问题，为用户提供个性化的推荐服务。然而在评分矩阵稀疏的情况下，仅通过分析用户项目评分矩阵来生成预测结果的传统模型效果较差。针对该问题，利用用户评分以及用户社会信任关系两部分信息计算用户相似度，提出一种融合社交关系的矩阵分解型推荐模型SoRegIM。通过挖掘社交网络中用户的拓扑关系，利用目标用户的直接邻居与间接邻居信息构建加权社会信任网络，在充分使用用户社交关系信息的同时减少冗余的社交噪声。基于公开数据集的实验结果表明，与SoReg、SocialMF等7种经典模型相比，SoRegIM能够有效提高推荐准确性，且对于稀疏数据的提升效果明显。
关键词：社交网络,推荐系统,拓扑关系,信任网络,矩阵分解
基金资助：国家自然科学基金（61876016）；中央高校基础科研业务费专项资金（2017JBM023）。
