结合广告相似性网络的搜索广告推荐

目前已有的基于协同过滤的搜索广告推荐方法中,基于邻域的协同过滤方法存在着无法处理稀疏数据的问题,而基于矩阵分解的方法虽然能够推断出缺失的数据,但是却缺少邻居的协作。提出了一种搜索广告推荐算法,即ASN-MF,该算法通过建立广告相似性网络得到广告的相似性关系,并将其加入到矩阵分解的损失函数中,使得分解后的广告特征矩阵能够带有相似邻居的性质。实验基于KDD Cup 2012-Track2的真实数据集,证明了算法的可行性与有效性。