%0 Journal Article
%T 融合社交信息的矩阵分解推荐方法研究综述
%A 于剑
%A 刘华锋
%A 景丽萍
%J -
%D 2018
%R 10.13328/j.cnki.jos.005391
%X 随着社交网络的发展，融合社交信息的推荐成为推荐领域中的一个研究热点.基于矩阵分解的协同过滤推荐方法（简称矩阵分解推荐方法）因其算法可扩展性好及灵活性高等诸多特点，成为研究人员在其基础之上进行社交推荐模型构建的重要原因.围绕基于矩阵分解的社交推荐模型，依据模型的构建方式对社交推荐模型进行综述.在实际数据上，对已有代表性社交推荐方法进行对比，分析各种典型社交推荐模型在不同视角下的性能（如整体用户、冷启动用户、长尾物品）.最后，分析了基于矩阵分解的社交推荐模型及其求解算法存在的问题，并对未来研究方向与发展趋势进行展望
%K 推荐系统 矩阵分解 社交推荐 社交网络 协同过滤
%U http://www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=5391&flag=1