基于多子网复合复杂网络模型的物质扩散推荐算法
2018-03-26邵峰晶孙更新
复杂系统与复杂性科学 2018年4期
关键词:用户
周 双,宾 晟,邵峰晶,孙更新
(青岛大学数据科学与软件工程学院,山东 青岛 266071)
0 引言

目前,个性化推荐技术主要分为基于图的推荐[9]、协同过滤推荐[10]、混合推荐[11]、基于内容的推荐[12]。其中,协同过滤推荐算法又分为两种,一种是基于用户的协同过滤推荐算法,另一种是基于项目的协同过滤推荐算法,如物质扩散算法[13]和热传导算法[14]等。物质扩散算法在推荐时执行速度快且准确率高,因此成为目前应用最为广泛的推荐算法之一。传统的物质扩散算法,将物理动力学中的物质扩散能量分配原理引入到二部图中,通过能量扩散计算不同商品间的相似度,进而为用户进行推荐。
郭强等人[15]通过引入产品流行度的可调参数,提出了一种考虑产品流行度对用户兴趣偏好影响的物质扩散算法。胡吉明等人[16]将词汇引入关联图中,探讨了基于用户、资源、词汇三部图的推荐实现机理,并提出了二部图和能量分配双重加权的三部图推荐实现策略。周涛等人[17]利用用户-产品的二部分图建立关联网络,并运用关联矩阵提出基于网络结构的物质扩散算法。以上研究只是利用用户-商品评分矩阵对用户进行推荐,并没有充分考虑用户之间存在的多种关系对推荐结果的影响,所以推荐结果并不十分准确。因此,本文通过构建多关系复合复杂网络,将用户间的多种社交关系引入到推荐系统中,从而提高了推荐算法的准确率。
1 多子网复合复杂网络模型

复合网模型可以使用一个四元组G=(V,E,R,F)表示:……p>
登录APP查看全文
