面向群组的社交follow推荐方法研究

作     者：谷鹏 李琳 苏畅 袁景凌 GU Peng;LI Lin;SU Chang;YUAN Jing-ling

作者机构：武汉理工大学计算机科学与技术学院武汉430070 

基　　金：国家社会科学基金项目(15BGL048)资助 国家"八六三"高技术研究发展计划项目(2015AA015403)资助 湖北省支撑计划项目(2015BAA072)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2017年第38卷第5期

页      码：946-950页

摘      要：目前社交网络中的推荐方法主要是针对单个的个体用户,然而随着日益频繁的社交活动,若干相关用户自然形成了群组,研究如何对于整体的群组用户进行推荐的问题引起了国内外学者的兴趣.本文在优化和改进面向个体的社交follow关系推荐算法的基础上,提出基于矩阵分解和混合策略的群组用户推荐方法.首先,对社交媒体微博中用户-项目矩阵进行奇异值(SVD)分解,然后提出在SVD中加入用户的社交行为和社交关注关系特征,并用随机梯度下降(SGD)算法优化对个体用户推荐的预测评分.其次,在获得个体的推荐评分基础之上,设计一种混合融合策略,该策略融合群组中个体成员的推荐评分形成对该群组的整体评分,从而实现对于群组用户的推荐.最后,实验采用KDDCUP2012竞赛Track1的数据,以平方根误差为评估指标,对比个体推荐中传统SVD模型和本文提出的SVD优化模型,并进一步对比本文提出的混合融合策略与传统的最大满意度、平均满意度及最小忍耐度三种单一融合策略.实验结果表明SVD优化模型优于传统SVD模型,并且采用混合的策略要优于单一的群组融合策略.总体上,本文提出的推荐方法能够有效提高群组推荐的准确度.

主 题 词：社交媒体 矩阵分解 群组推荐 融合策略 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

馆 藏 号：203231368...