基于社交关系与无监督学习的大数据推荐算法

作     者：李淑霞 杨俊成 蔡增玉 Li Shuxia;Yang Juncheng;Cai Zengyu

作者机构：河南工业职业技术学院电子信息工程学院河南南阳473000 郑州轻工业学院计算机与通信工程学院河南郑州450002 

基　　金：全国高等院校计算机基础教育研究会纵向课题(2016GHB02003) 河南工业职业技术学院青年骨干教师培养计划 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2019年第36卷第5期

页      码：304-310,321页

摘      要：针对大数据推荐系统中推荐准确率与效率较低的问题,设计一种基于社交关系与多上下文因素的大数据推荐系统。基于活动用户的社交网络,构建一个社交关系的张量模型;通过张量分解获得用户的上下文因素;基于候选集的相似性产生一个推荐列表。基于用户的反馈预测社交关系的范围,有效地减少推荐系统的计算量。真实数据集的实验结果证明,该算法提高了推荐系统的推荐精度,有效地缓解了稀疏性问题与冷启动问题,并且实现了较快的响应时间。

主 题 词：社交网络 大数据 推荐系统 稀疏性问题 冷启动问题 灰羊问题 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-386x.2019.05.051

馆 藏 号：203667712...