SPMF：一种基于社交信任与偏好分段的矩阵分解推荐算法
信息检索
2019-03-13 v1 机器学习
机器学习
摘要
传统社交推荐算法忽略了以下事实：具有信任关系的用户偏好未必相似，且对用户偏好相似性的考量应限定在特定领域。为解决上述问题，提出一种基于社交信任与偏好分段的矩阵 factorization（SPMF）推荐系统。基于Ciao和Epinions数据集的实验结果表明，SPMF算法的准确率显著高于若干state-of-the-art推荐算法。所提出的SPMF算法是一种基于区分信任关系差异与偏好领域的更准确有效的推荐算法，可支持产品营销等商业活动。
引用
@article{arxiv.1903.04489,
title = {SPMF: A Social Trust and Preference Segmentation-based Matrix Factorization Recommendation Algorithm},
author = {Wei Peng and Baogui Xin},
journal= {arXiv preprint arXiv:1903.04489},
year = {2019}
}