一种融合社会标签的联合概率矩阵分解推荐方法  

Incorporating Social Tagging for Unified Probabilistic Matrix Factorization Recommendation

作　　者：郑绍振 郑东霞[2] ZHENG Shaozhen;ZHENG Dongxia(Liaoning Jinyang Group Information Technology Co.,Ltd.,Dandong 118000,China;School of Computer and Software,Dalian Neusoft University of Information,Dalian 116023,China)

机构地区：[1]辽宁金洋集团信息技术有限公司,辽宁丹东118000 [2]大连东软信息学院计算机与软件学院,辽宁大连116023

出　　处：《软件工程》2020年第10期30-33,共4页Software Engineering

基　　金：辽宁省教育厅科学研究经费项目(JZR2019009).

摘　　要：社交网络发展迅猛,社会网络环境下的信息量骤增,如何在大数据下向用户推荐感兴趣的项目是当前研究的热点问题之一。目前的推荐系统在用户反馈数据稀疏的情况下和向新用户推荐中存在推荐不准确的问题,为了提高推荐质量,提出了一种融合社会标签的联合概率矩阵分解推荐模型TaSoRec,该模型运用社交网络的用户、项目、标签三者信息进行推荐,通过对训练模型参数优化,从而提升推荐效果。With the development of social network,the explosive growth of information makes a hot issue to recommend attractive resources to users based on big data.In order to improve the quality of recommendation,this paper proposes a joint probability matrix factorization recommendation model called TaSoRec(Tag Social Recommendation)which integrates social tags.The model uses information of users,resources and tags of social network,and optimizes the parameters of the training model to achieve better recommendation results.

关 键 词：社会标签 联合概率矩阵 推荐方法 社交网络 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]