融合Motif结构高阶相似度的文献推荐算法

作     者：陈柳 郭宇红 Chen Liu;Guo Yuhong

作者机构：国际关系学院网络空间安全学院北京100091 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2023年第7卷第7期

页      面：146-155页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 120502[管理学-情报学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国际关系学院大学生学术支持计划项目(项目编号:3262021SYJ007)的研究成果之一 

主　　题：文献推荐 Motif 结构 用户高阶相似度 矩阵分解 

摘      要：【目的】将协同过滤方法应用到文献推荐领域,融入用户余弦相似度网络中Motif结构反映出的高阶相似特征,提高推荐的质量。【方法】通过用户收藏文献的行为信息和文献间的引用关系构建用户对文献的偏好数据;在基于用户-文献收藏行为信息的用户余弦相似度网络中,利用网络中的子图——Motif结构捕获高阶相似度;最后将用户余弦相似度和基于Motif结构的高阶相似度融入矩阵分解推荐算法中,预测用户对文献的偏好。【结果】相较于传统的矩阵分解推荐算法,本文算法在RMSE和MAE指标上分别降低0.0482和0.0379。【局限】未考虑文献的时间衰减性。【结论】本文算法降低了用户偏好预测误差,提高了推荐质量。