基于全局相似度的社交网络个性化推荐算法
来源：计算机工程杂志2018年第10期北京时间：
作者：张艺豪,李梁,赵清华,马建芬,段倩倩
单位：1.太原理工大学 信息与计算机学院,太原 030024; 2.太原师范学院 管理系,山西 晋中 030619
摘要：针对经典社交网络推荐算法忽略项目相似度信息的问题,提出一种改进的社交网络个性化推荐算法。挖掘项目之间的全局项目相似度信息,分析社交网络用户之间信任值的可靠度,并将两者融合在一种模型中,实现对用户的个性化推荐。在Filmtrust数据集与Ciao数据集上的实验结果表明,与PMF、SocialMF和SoRec算法相比,该算法能够提高推荐准确性,降低在冷启动问题上的推荐误差。
关键词：全局相似度,个性化推荐,社交网络,数据挖掘,机器学习
基金资助：国家自然科学基金(51505324);山西省国际科技合作计划项目(2013-036)。
