Uncovering the information core in recommender systems.
Uncovering the information core in recommender systems.
复制标题
揭示推荐系统的信息核心
DOI：
10.1038/srep06140
复制
发表时间：
2014-08-21
影响因子：
4.6
通讯作者：
Zhou T
中科院分区：
文献类型：
--
作者：
Zeng W;Zeng A;Liu H;Shang MS;Zhou T
随着互联网的快速发展和人们面对的海量信息，推荐系统被开发出来，以有效地支持在线系统中用户的决策过程。到目前为止，设计新的推荐算法和改进已有的推荐算法是人们关注的焦点。然而，很少有研究考虑到不同用户对推荐系统性能的不同贡献。这些研究可以帮助我们通过排除不相关的用户来提高推荐效率。在本文中，我们认为在每个在线系统中都存在一群核心用户，他们携带了大部分用于推荐的信息。有了它们，推荐系统已经可以产生令人满意的推荐。我们的核心用户提取方法使推荐系统仅考虑20%的用户，就能达到top-L推荐的90%的准确率。仔细调查发现，这些核心用户并不一定是大用户。此外，他们倾向于选择高质量的对象，他们的选择是多样化的。
With the rapid growth of the Internet and overwhelming amount of information that people are confronted with, recommender systems have been developed to effectively support users' decision-making process in online systems. So far, much attention has been paid to designing new recommendation algorithms and improving existent ones. However, few works considered the different contributions from different users to the performance of a recommender system. Such studies can help us improve the recommendation efficiency by excluding irrelevant users. In this paper, we argue that in each online system there exists a group of core users who carry most of the information for recommendation. With them, the recommender systems can already generate satisfactory recommendation. Our core user extraction method enables the recommender systems to achieve 90% of the accuracy of the top-L recommendation by taking only 20% of the users into account. A detailed investigation reveals that these core users are not necessarily the large-degree users. Moreover, they tend to select high quality objects and their selections are well diversified.
登录
查看更多内容
影响因子：
8.6
作者：
Zhang, Yi-Cheng;Blattner, Marcel;Yu, Yi-Kuo
通讯作者：
Yu, Yi-Kuo
影响因子：
5.6
作者：
Herlocker, JL;Konstan, JA;Riedl, JT
通讯作者：
Riedl, JT
DOI：
10.1016/j.physa.2006.04.121
发表时间：
2007-01-01
影响因子：
3.3
作者：
Blattner, Marcel;Zhang, Yi-Cheng;Maslov, Sergei
通讯作者：
Maslov, Sergei
通过偏热传导进行信息过滤
影响因子：
2.4
作者：
Liu, Jian-Guo;Zhou, Tao;Guo, Qiang
通讯作者：
Guo, Qiang
通过优先扩散进行信息过滤
影响因子：
2.4
作者：
Lue, Linyuan;Liu, Weiping
通讯作者：
Liu, Weiping