计算机应用研究

作者：周璐鑫,李曼,蒋明阳,张雷,

单位：重庆交通大学数学与统计学院,重庆400074；

关键词：社交化推荐,交互强度,群体参与矩阵,矩阵分解,

基金：国家自然科学基金资助项目(62276034)；重庆市教育委员会科学技术研究项目(KJQN202100712)；重庆市研究生科研创新项目(CYS22429)；；

针对现有社交化推荐算法忽视了评级数据与社交信息之间关联的探索，提出了一种融合交互强度的优化社交推荐算法。首先，利用社交信息和评级数据结合两种相似度丰富社交矩阵；接着，定义用户间交互强度代表用户间复杂关系；最后，利用交互强度与社交关系之间的关联以及用户潜在特征与用户群体参与特征的关联构建新的目标函数，学习用户和项目的潜在特征，实现个性化推荐。在三个真实数据集上进行实验，与基线模型相比，提出算法在推荐预测精度上有显著提升，且在对不同评级数量的用户进行潜在特征学习时，表现出良好的鲁棒性。综上，融合交互强度可以进一步提升社交化推荐算法性能，增强用户体验感。

来源：2024年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第1期