论文研究融合社交行为和标签行为的推荐算法研究.pdf

针对传统推荐算法忽略用户社交影响、研究角度不全面和缺乏物理解释等问题，提出一个融合社交行为和标签行为的推荐算法。首先用引力模型计算社交网络中用户节点之间的吸引力来度量用户社交行为的相似性；其次通过标签信息构建用户喜好物体模型，并使用引力公式计算喜好物体之间的引力来度量标签行为的相似性。最后，引入变量融合两方面信息，获取近邻用户，产生推荐。采用Last.fm数据集进行实验研究，结果说明推荐算法的准确率和召回率更高。