Research on Collaborative Recommendation Method Based on Multiple Data Sources of Social Network

Ruiqin Wang; Jun Pan; Yixiao Li

doi:10.11959/j.issn.1000-0801.2015113

您当前的位置：

首页 >

文章列表页 >

Research on Collaborative Recommendation Method Based on Multiple Data Sources of Social Network

research and development | 更新时间：2024-06-05

- Research on Collaborative Recommendation Method Based on Multiple Data Sources of Social Network
- Telecommunication Science Vol. 31, Issue 6, Pages: 68-74(2015)
- 作者机构：
  
  1. 湖州师范学院信息与控制技术研究所湖州 313001
  2. 温州大学建模与数据挖掘研究所温州 325035
  3. 浙江财经大学信息学院杭州 310018
- 作者简介：
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2015113
  CLC：
- Published Online：2015-06，
  
  Published：20 June 2015
- 稿件说明：
移动端阅览
Ruiqin Wang, Jun Pan, Yixiao Li. Research on Collaborative Recommendation Method Based on Multiple Data Sources of Social Network[J]. Telecommunication science, 2015, 31(6): 68-74.
DOI：

Ruiqin Wang, Jun Pan, Yixiao Li. Research on Collaborative Recommendation Method Based on Multiple Data Sources of Social Network[J]. Telecommunication science, 2015, 31(6): 68-74. DOI： 10.11959/j.issn.1000-0801.2015113.

摘要

协同过滤推荐作为一种有效的推荐方法，普遍存在数据稀疏性和冷启动问题，利用社交网络的多项数据源对协同推荐方法进行了改进。为了克服评分矩阵的稀疏性问题，提出结合用户评分相似度和用户信任度选择推荐邻居，同时对用户相似度计算进行了改进；提出了一种简单有效的信任推理方法，能够识别出用户间隐含的间接信任关系，进一步缓解了数据稀疏性问题；为了解决推荐系统的冷启动问题，提出综合利用项目的类型属性信息和领域专家信息进行联合推荐。实验结果表明，提出的改进策略非常有效，在精度和召回率方面都较已有方法具有明显改善。

Abstract

As an effective recommendation method，collaborative filtering typically has the data sparsity and cold-start problems. It was proposed that using multiple data sources of social network to overcome the above problems. First of a11，both the rating similarity and the social trust between users were considered to resolve the data sparsity problem. Then a simple and effective trust reasoning method was proposed to identify the implicit trust relationship between users. In order to solve the cold-start problem，information of the category of items and domain experts was used for joint recommendation. Experimental results show that the proposed algorithm has significantly better precision and reca11 than existing methods.

关键词

Keywords

references

徐雅斌，刘超，武装 . 基于用户兴趣和推荐信任域的微博推荐 . 电信科学， 2015 ， 31 （ 1 ）： 9 ～ 16

Xu Y B ， Liu C ， Wu Z . Micro-blog recommendation based on user interests and recommendation trust domain . Telecommunications Science ， 2015 ， 31 （ 1 ）： 9 ～ 16

Lazer D ， Pentland A S ， Adamic L ， et al . Computational social science . Science ， 2009 ， 323 （ 1 ）： 721 ～ 723

Golbeck J . Weaving a web of trust . Computer Science ， 2008 ， 321 （ 5896 ）： 1640 ～ 1641

Massa P ， Bhattacharjee B . Using trust in recommender systems：an experimental analysis trust management . Lecture Notes in Computer Science ， 2004 （ 2995 ）： 221 ～ 235

Caverlee J ， Liu L ， Webb S . The socialtrust framework for trusted social information management：architecture and algorithms . Information Sciences ， 2010 ， 18 （ 1 ）： 95 ～ 112

Song X D ， Tseng B L ， Lin C Y et al . Proceedings of the ACM SIGIR Conference on Research and Development in Information Retrieval . Seattle，USA ， 2006 ： 509 ～ 516

Gruhl D ， Guha R ， Liben-Nowell D et al . Information diffusion through blogspace . Proceedings of the 13th International World Wide Web Conference ， New York，USA ， 2004 ： 43 ～ 52

Rodriguez M G ， Leskovec J ， Krause A . Inferring networks of diffusion and influence . Proceedings of the 16th ACM SIGKDD Conference on Knowledge Discovery and Data Mining ， Washington，USA ， 2010 ： 1 ～ 38

Golbeck J A ， Hendler J . Computing and applying trust in web-based social networks（doctor dissertation） . University of Maryland at College Park ， 2005

Zhang Y ， Chen H J ， Wu Z H . A social network-based trust model for the semantic Web . Proceedings of the Third International Conference on Autonomic and Trusted Computing ， Wuhan，China ， 2006 ： 183 ～ 192

Caverlee J ， Liu L ， Webb S . Towards robust trust establishment in web-based social networks with socialtrust . Proceedings of the International Conference on World Wide Web ， Beijing，China ， 2008 ： 1163 ～ 1164

刘建国，周涛，郭强等 . 个性化推荐系统评价方法综述 . 复杂系统与复杂性科学， 2009 ， 6 （ 3 ）： 10 ～ 15

Liu J G ， Zhou T ， Guo Q ， et al . Overview of the evaluated algorithms for the personal recommendation systems . Complex Systems and Complexity Science ， 2009 ， 6 （ 3 ）： 10 ～ 15

田立勤，林闯， . 可信网络中一种基于行为信任预测的博弈控机制 . 计算机学报， 2007 ， 30 （ 11 ）： 1930 ～ 1939

Tian L Q ， Lin C . A kind of game-theoretic control mechanism of user behavior trust based on prediction in trustworthy network . Chinese Journal of Computer ， 2007 ， 30 （ 11 ）： 1930 ～ 1939

陈晶，杜瑞颖，王丽娜等 . 网络环境下一种基于概率密度的信任博弈模型 . 电子学报， 2010 ， 38 （ 2 ）： 427 ～ 433

Chen J ， Du R Y ， Wang L N ， et al . A trust game method basing on probability model in networks . Chinese Journal of Electronics ， 2010 ， 38 （ 2 ）： 427 ～ 433

乔秀全，杨春，李晓峰等 . 社交网络服务中一种基于用户上下文的信任度计算方法 . 计算机学报， 2011 ， 34 （ 12 ）： 2403 ～ 2414

Qiao X Q ， Yang C ， Li X F ， et al . A trust calculating algorithm based on social networking service users’ context . Chinese Journal of Computer ， 2011 ， 34 （ 12 ）： 2403 ～ 2414

邢星 . 社交网络个性化推荐方法研究（硕士学位论文） . 大连海事大学， 2013

Xing X . Research on recommendation methods in social networks（master dissertation） . Dalian Maritime University ， 2013

Simon M ， Emmanuel G ， Lionel M ， et al . RED：a rich epinions dataset for recommender systems . Tech Report at LIRIS UMR CNRS ， 2012

Views

569

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Influence maximization algorithm of social networks based on Transformer model

Personalized recommendation model based on users multi-features fusion

Personalized recommendation model with multi-level latent features

Biterm topic model of social network users’ sentiment by integrating word co-occurrence

Knowledge communication model of social network with user cooperation and leadership encouragement

Related Author

YAN Chenxue

YAO Yao

YU Shuke

Juan HU

Guangxue YUE

Min LU

Xianchao ZHANG

Weijian DING

Related Institution

School of Electronics and Information, Jiangsu Vocational College of Business

Key Laboratory of Medical Electronics and Digital Health of Zhejiang Province

School of Science, Jiangxi University of Science and Technology

Zhejiang Province Key Laboratory of Smart Management ＆Application of Modern Agricultural Resources

School of Science and Engineering, Huzhou College

⁰