融合社区结构和社交影响力的矩阵分解推荐

摘要 基于直接社交关系的矩阵分解推荐算法只考虑了用户的直接社交关系,而忽略了用户的间接社交关系.而与用户直接相邻的用户往往较少,存在数据稀疏问题,影响推荐结果的准确度.同一个社区内的用户在一些方面会存在相似性,彼此之间会产生影响.利用社区内用户间社交关系,本文提出了一种融合社区结构和社交影响力的矩阵分解推荐算法.算法同时使用用户评分信息和社交网络结构信息,来计算用户间社交影响力和构建推荐模型.发现用户社区,结合社区信息计算用户个人影响力.将用户之间的影响力和用户的个人影响力相结合,得到非对称的用户之间的影响力,从而增强推荐效果.实验证明该算法比现有算法能够得到更优的推荐结果