史艳翠，齐嘉琳

(天津科技大学人工智能学院，天津 300457)

随着推荐系统技术的不断发展，现已广泛应用于各种领域，如在电子商务领域中可根据用户的购物记录为用户推荐可能需要的物品，在新闻推荐领域中根据用户经常浏览的内容为其推荐相似新闻等.现如今，生活质量的不断提高使得人们在饮食方面也有着更高的要求，这给餐饮业的发展提供了良好的条件.常用的餐厅点评网站有大众点评、Yelp、Foursquare等.面对海量的用户和餐厅信息，传统个性化推荐存在着计算量大等问题，为了降低计算时间和提高效率，常使用群组推荐技术.

在推荐算法中，无论是个性化推荐还是群组推荐，使用原始的用户–评分矩阵进行计算的情况占多数.任志波等[1]在进行个性化推荐时，对评分信任和社交信任赋予自适应权重，提高了推荐的效果.徐芳[2]提出一种新颖的双自编码器矩阵分解模型，利用评分矩阵和用户项目评论信息提高推荐准确率.这些算法中使用的矩阵均为原始的评分矩阵，虽能够提高算法的准确率，但仍存在数据稀疏的问题.

随着社交网络的出现和发展，研究者们将社会化关系引入到推荐系统中.Capuano等[3]提出根据组内用户的社会化关系和社交网络估算等相关信息计算群组内各个用户之间的影响力，形成影响力网络，并基于这种网络和现有的评估偏好的方法预测用户的偏好，模拟了用户的偏好是否受到其所处的社会化关……