计算机科学 ›› 2019, Vol. 46 ›› Issue (11A): 163-166.
周波
ZHOU Bo
摘要: 文中介绍了协同过滤算法与二分网络推荐算法的原理,分析了协同过滤算法与二分网络推荐算法之间的内在关系,推导出协同过滤算法是二分网络推荐算法的一种特例,并证明了基于二分网络推荐算法的推荐结果优于协同过滤算法。将基于二分网络的推荐算法理论进一步系统化、统一化,以推动推荐算法的进一步发展。
中图分类号:
[1]裴中佑.基于随机游走的推荐技术研究及应用[D].成都:西南交通大学,2014. [2]MASSA P,AVESANI P.Trust-Aware Collaborative Filtering for Recommender Systems[M]∥On the Move to Meaningful Internet Systems 2004:CoopIS,DOA,and ODBASE.Springer Berlin Heidelberg,2004:492-508. [3]李聪,梁昌勇.基于n序访问解析逻辑的协同过滤冷启动消除方法[J].系统工程理论与实践,2012(7):1537-1545. [4]李小浩.协同过滤推荐算法稀疏性与可扩展性问题研究[D].重庆:重庆大学,2015. [5]孙小华.协同过滤系统的稀疏性与冷启动问题研究[D].杭州:浙江大学,2005. [6]徐键.协同过滤中数据稀疏问题与推荐实时性的研究[D].兰州:兰州大学,2016. [7]TAO Z,JIE R,MATUˇS M,et al.Bipartite network projection and personal recommendation[J].Physical Review E,2007,76(4):70-80. [8]周波,杨朝峰.发送者和接受者能力的二分网络推荐算法研究[J].情报工程,2016,2(2):71-80. [9]何平凡.基于排序学习的Top-N推荐算法研究[D].北京:北京理工大学,2016. [10]赵向宇.Top-N协同过滤推荐技术研究[D].北京:北京理工大学,2014. [11]陈嘉颖,于炯,杨兴耀,等.基于复杂网络节点重要性的链路预测算法[J].计算机应用,2016(12):3251-3255,3268. [12]荣莉莉,郭天柱,王建伟.复杂网络节点中心性[J].上海理工大学学报,2008,30(3):227-230. [13]姚尊强,尚可可,许小可.加权网络的常用统计量[J].上海理工大学学报,2012,34(1):18-26. |
[1] | 程章桃, 钟婷, 张晟铭, 周帆. 基于图学习的推荐系统研究综述 Survey of Recommender Systems Based on Graph Learning 计算机科学, 2022, 49(9): 1-13. https://doi.org/10.11896/jsjkx.210900072 |
[2] | 王冠宇, 钟婷, 冯宇, 周帆. 基于矢量量化编码的协同过滤推荐方法 Collaborative Filtering Recommendation Method Based on Vector Quantization Coding 计算机科学, 2022, 49(9): 48-54. https://doi.org/10.11896/jsjkx.210700109 |
[3] | 孙晓寒, 张莉. 基于评分区域子空间的协同过滤推荐算法 Collaborative Filtering Recommendation Algorithm Based on Rating Region Subspace 计算机科学, 2022, 49(7): 50-56. https://doi.org/10.11896/jsjkx.210600062 |
[4] | 蔡晓娟, 谭文安. 一种改进的融合相似度和信任度的协同过滤算法 Improved Collaborative Filtering Algorithm Combining Similarity and Trust 计算机科学, 2022, 49(6A): 238-241. https://doi.org/10.11896/jsjkx.210400088 |
[5] | 何亦琛, 毛宜军, 谢贤芬, 古万荣. 基于点割集图分割的矩阵变换与分解的推荐算法 Matrix Transformation and Factorization Based on Graph Partitioning by Vertex Separator for Recommendation 计算机科学, 2022, 49(6A): 272-279. https://doi.org/10.11896/jsjkx.210600159 |
[6] | 郭亮, 杨兴耀, 于炯, 韩晨, 黄仲浩. 基于注意力机制和门控网络相结合的混合推荐系统 Hybrid Recommender System Based on Attention Mechanisms and Gating Network 计算机科学, 2022, 49(6): 158-164. https://doi.org/10.11896/jsjkx.210500013 |
[7] | 蒲岍岍, 雷航, 李贞昊, 李晓瑜. 增强列表信息和用户兴趣的个性化新闻推荐算法 Personalized News Recommendation Algorithm with Enhanced List Information and User Interests 计算机科学, 2022, 49(6): 142-148. https://doi.org/10.11896/jsjkx.210400173 |
[8] | 王美玲, 刘晓楠, 尹美娟, 乔猛, 荆丽娜. 基于评论和物品描述的深度学习推荐算法 Deep Learning Recommendation Algorithm Based on Reviews and Item Descriptions 计算机科学, 2022, 49(3): 99-104. https://doi.org/10.11896/jsjkx.210200170 |
[9] | 董晓梅, 王蕊, 邹欣开. 面向推荐应用的差分隐私方案综述 Survey on Privacy Protection Solutions for Recommended Applications 计算机科学, 2021, 48(9): 21-35. https://doi.org/10.11896/jsjkx.201100083 |
[10] | 赵金龙, 赵中英. 基于异质信息网络表示学习与注意力神经网络的推荐算法 Recommendation Algorithm Based on Heterogeneous Information Network Embedding and Attention Neural Network 计算机科学, 2021, 48(8): 72-79. https://doi.org/10.11896/jsjkx.200800226 |
[11] | 詹皖江, 洪植林, 方路平, 吴哲夫, 吕跃华. 基于对抗性学习的协同过滤推荐算法 Collaborative Filtering Recommendation Algorithm Based on Adversarial Learning 计算机科学, 2021, 48(7): 172-177. https://doi.org/10.11896/jsjkx.200600077 |
[12] | 邵超, 宋淑米. 基于信任关系下用户兴趣偏好的协同过滤推荐算法 Collaborative Filtering Recommendation Algorithm Based on User Preference Under Trust Relationship 计算机科学, 2021, 48(6A): 240-245. https://doi.org/10.11896/jsjkx.200700113 |
[13] | 武建新, 张志鸿. 融合用户评分与显隐兴趣相似度的协同过滤推荐算法 Collaborative Filtering Recommendation Algorithm Based on User Rating and Similarity of Explicit and Implicit Interest 计算机科学, 2021, 48(5): 147-154. https://doi.org/10.11896/jsjkx.200300072 |
[14] | 熊旭东, 杜圣东, 夏琬钧, 李天瑞. 基于二分图卷积表示的推荐算法 Recommendation Algorithm Based on Bipartite Graph Convolution Representation 计算机科学, 2021, 48(4): 78-84. https://doi.org/10.11896/jsjkx.200400023 |
[15] | 肖诗涛, 邵蓥侠, 宋卫平, 崔斌. 面向协同过滤推荐的新型混合评分函数 Hybrid Score Function for Collaborative Filtering Recommendation 计算机科学, 2021, 48(3): 113-118. https://doi.org/10.11896/jsjkx.200900067 |
|