利用正则等价在基于信任的推荐系统中挖掘弱关系
社会与信息网络
2019-07-29 v1 信息检索
摘要
基于用户的协同过滤 (CF) 是创建推荐系统最流行的方法之一。然而，由于用户通常只对可用物品中的一小部分评分，CF 饱受数据稀疏与冷启动问题之苦。一种解决方案是将额外信息纳入推荐过程，例如用户间显式信任评分或源于用户社交连接的隐式信任关系。此类关系通常形成非常稀疏的信任网络，可用于基于用户所信任之人生成推荐。在我们的工作中，我们探索将正则等价应用于信任网络以生成相似度矩阵，该矩阵用于选择 k 近邻以进行物品推荐。网络中两顶点若其邻居自身等价则为正则等价，通过使用迭代计算正则等价的方法，我们可研究强关系与弱关系对物品推荐的影响。我们在从 Epinions 爬取的数据集上对冷启动用户评估了我们的方法，发现除强关系外还利用弱关系，可在推荐准确度方面提升基于信任的推荐系统性能。
引用
@article{arxiv.1907.11620,
title = {Exploiting weak ties in trust-based recommender systems using regular equivalence},
author = {Tomislav Duricic and Emanuel Lacic and Dominik Kowald and Elisabeth Lex},
journal= {arXiv preprint arXiv:1907.11620},
year = {2019}
}
备注
Presented as a Spotlight Talk at the "European Symposium Series on Societal Challenges in Computational Social Science: Polarization and Radicalization" (Euro CSS 2019). arXiv admin note: substantial text overlap with arXiv:1807.06839