软件学报
軟件學報
연건학보
JOURNAL OF SOFTWARE
2014年
12期
2852-2864
,共13页
邹本友%李翠平%谭力文%陈红%王绍卿
鄒本友%李翠平%譚力文%陳紅%王紹卿
추본우%리취평%담력문%진홍%왕소경
推荐系统%社会网络%信任%张量分解%增量更新
推薦繫統%社會網絡%信任%張量分解%增量更新
추천계통%사회망락%신임%장량분해%증량경신
recommendation systems%social network%trust%tensor factorization%incremental update
社会化网络中的推荐系统可以在浩瀚的数据海洋中给用户推荐相关的信息。社会网络中用户之间的信任关系已经被用于推荐算法中,但是目前的基于信任的推荐算法都是单一的信任模型。提出了一种基于主题的张量分解的用户信任推荐算法,用来挖掘用户在不同的物品选取的时候对不同朋友的信任程度。由于社交网络更新速度快,鉴于目前的基于信任算法大都是静态算法,提出了一种增量更新的张量分解算法用于用户信任的推荐算法。实验结果表明:所提出的基于主题的用户信任推荐算法比现有算法具有更好的准确性,并且增量更新的推荐算法可以大幅度提高推荐算法在训练数据增加后的模型训练效率,适合更新速度快的社会化网络中的推荐任务。
社會化網絡中的推薦繫統可以在浩瀚的數據海洋中給用戶推薦相關的信息。社會網絡中用戶之間的信任關繫已經被用于推薦算法中,但是目前的基于信任的推薦算法都是單一的信任模型。提齣瞭一種基于主題的張量分解的用戶信任推薦算法,用來挖掘用戶在不同的物品選取的時候對不同朋友的信任程度。由于社交網絡更新速度快,鑒于目前的基于信任算法大都是靜態算法,提齣瞭一種增量更新的張量分解算法用于用戶信任的推薦算法。實驗結果錶明:所提齣的基于主題的用戶信任推薦算法比現有算法具有更好的準確性,併且增量更新的推薦算法可以大幅度提高推薦算法在訓練數據增加後的模型訓練效率,適閤更新速度快的社會化網絡中的推薦任務。
사회화망락중적추천계통가이재호한적수거해양중급용호추천상관적신식。사회망락중용호지간적신임관계이경피용우추천산법중,단시목전적기우신임적추천산법도시단일적신임모형。제출료일충기우주제적장량분해적용호신임추천산법,용래알굴용호재불동적물품선취적시후대불동붕우적신임정도。유우사교망락경신속도쾌,감우목전적기우신임산법대도시정태산법,제출료일충증량경신적장량분해산법용우용호신임적추천산법。실험결과표명:소제출적기우주제적용호신임추천산법비현유산법구유경호적준학성,병차증량경신적추천산법가이대폭도제고추천산법재훈련수거증가후적모형훈련효솔,괄합경신속도쾌적사회화망락중적추천임무。
In social networks, recommender systems can help users to deal with information overload and provide personalized recommendations to them. The trust relationship of users is used in the social networks’ recommender systems. But the state-of-art algorithms only use the single trust relationship which cannot capture the trust to user’s friends when looking for different items. This paper proposes a topic-based trust recommendation algorithm using tensor factorization model. As the social information changes rapidly, the state-of-art algorithms often need redo factorization. To address the issue, the paper also presents an effective incremental method to adaptively update its previous factorized components rather than re-computing them on the whole dataset when the data changes. Experiments show that the proposed method can achieve better performance and the incremental method is suitable for the rapid changes in the social networks.