基于矩阵分解的社会化推荐模型

作     者：严素蓉 冯小青 廖一星 YAN Surong;FENG Xiaoqing;LIAO Yixing

作者机构：浙江财经大学信息学院杭州310018 加州大学尔湾分校电子工程与计算机科学系加利福尼亚926972625 

出 版 物：《清华大学学报（自然科学版）》 (Journal of Tsinghua University(Science and Technology))

年 卷 期：2016年第56卷第7期

页      面：793-800页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081203[工学-计算机应用技术] 0805[工学-材料科学与工程（可授工学、理学学位）] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学青年基金项目(61502414 61202197) 浙江省自然科学青年基金项目(LQ14F010006) 

主　　题：大数据 社交网络 矩阵分解 稀疏性 可扩展性 

摘      要：该文提出一种经由定制关系网络改进的基于矩阵分解的社会化推荐模型来缓解数据稀疏性和冷启动问题,并进一步改善大数据集导致的可扩展性问题。在该模型中,关系网络的社交影响力被建模为矩阵分解模型的用户-物品(user-item)评分倾向,而同质性则被建模为动态正则项。为了获得更好的预测精度和可扩展性,设计了一个关系网络boosting-shrinking算法,在该算法中,基于用户在数据集中的数据密度,自适应地裁减每个用户的关系网络为其定制个性化的关系网络。在稀疏水平不同的不平衡数据集上的实验表明:相比其他的基于矩阵分解的社会化推荐模型,该模型可以显著提高稀疏数据集的预测精度,有效地缓解冷启动问题,并获得较好的可扩展性。