融合社交网络的物质扩散推荐算法

在互联网信息推荐应用中,恰当地结合用户的社交信息能够进一步提升推荐的精度。以用户为枢纽节点将社交网络和用户-商品二部图融合为耦合网络,并在此基础上提出了一种基于物质扩散动力过程的推荐算法,该算法将社交网络的朋友信息和用户选择商品的信息进行有机集成,是经典物质扩散算法的一种拓展。在真实数据集Friendfeed和Epinions上的实验表明,在只计算小度用户的推荐准确率时,该方法比经典的物质扩散算法分别提高了38.48%和9.17%;当测试集所占比例为80%时,对于所有目标用户,算法较经典物质扩散算法的推荐准确率分别提高59.05%和21.62%。因此,社交网络信息的加入可以显著提高对小度用户的推荐准确度。