Hete-CF：利用异构关系的基于社交的协同过滤推荐
信息检索
2014-12-25 v1
摘要
协同过滤算法已广泛应用于推荐系统中。然而，它们经常遭受数据稀疏和冷启动问题的困扰。随着社交媒体的日益普及，这些问题可以通过使用基于社交的推荐来解决。基于社交的推荐作为一个新兴的研究领域，利用社交信息来帮助缓解数据稀疏和冷启动问题，并且已证明基于社交的推荐算法能有效提高推荐性能。然而，现有算法中很少有考虑在单一社交网络中使用多种类型关系的。在本文中，我们研究了异构社交网络上的基于社交的推荐算法，并提出了 Hete-CF，一种利用异构关系的社交协同过滤算法。与现有方法不同，Hete-CF 能有效利用异构社交网络中的多种类型关系。此外，Hete-CF 是一种通用方法，可用于任意社交网络，包括基于事件的社交网络、基于位置的社交网络以及任何其他与社交信息相关的异构信息网络。在两个真实世界数据集 DBLP（典型的异构信息网络）和 Meetup（典型的基于事件的社交网络）上的实验结果显示了我们算法的有效性和效率。
引用
@article{arxiv.1412.7610,
title = {Hete-CF: Social-Based Collaborative Filtering Recommendation using Heterogeneous Relations},
author = {Chen Luo and Wei Pang and Zhe Wang},
journal= {arXiv preprint arXiv:1412.7610},
year = {2014}
}