Genetic algorithm and graph theory based matrix factorization method for online friend recommendation.
Genetic algorithm and graph theory based matrix factorization method for online friend recommendation.
复制标题
基于遗传算法和图论的矩阵分解方法的在线好友推荐
DOI：
10.1155/2014/162148
复制
发表时间：
2014
影响因子：
--
通讯作者：
Xu N
中科院分区：
文献类型：
--
作者：
Li Q;Yao M;Yang J;Xu N
在线好友推荐是Web挖掘中一个发展迅速的话题。本文利用奇异值分解矩阵分解对用户和项目特征向量进行建模，并利用随机梯度下降法对参数进行修正，提高精度。针对冷启动问题和数据稀疏性问题，采用KNN模型对用户特征向量进行影响。同时，利用图论对社区进行划分，以较低的时间和空间复杂度划分社区。更重要的是，矩阵分解可以将线上线下推荐结合起来。实验表明，该混合推荐算法能够以较高的准确率推荐在线好友。
Online friend recommendation is a fast developing topic in web mining. In this paper, we used SVD matrix factorization to model user and item feature vector and used stochastic gradient descent to amend parameter and improve accuracy. To tackle cold start problem and data sparsity, we used KNN model to influence user feature vector. At the same time, we used graph theory to partition communities with fairly low time and space complexity. What is more, matrix factorization can combine online and offline recommendation. Experiments showed that the hybrid recommendation algorithm is able to recommend online friends with good accuracy.
影响因子：
14.3
作者：
Deb, K;Pratap, A;Meyarivan, T
通讯作者：
Meyarivan, T
DOI：
10.1016/j.physa.2012.03.021
发表时间：
2012-08-01
影响因子：
3.3
作者：
Gong, Maoguo;Ma, Lijia;Jiao, Licheng
通讯作者：
Jiao, Licheng
影响因子：
14.3
作者：
Pizzuti, Clara
通讯作者：
Pizzuti, Clara