Improving the recommender algorithms with the detected communities in bipartite networks
Improving the recommender algorithms with the detected communities in bipartite networks
复制标题
利用二分网络中检测到的社区改进推荐算法
DOI：
10.1016/j.physa.2016.11.076
复制
发表时间：
2017-04
期刊：
影响因子：
--
通讯作者：
Jinghua Xiao
中科院分区：
文献类型：
--
作者：
Peng Zhang;Duo Wang;Jinghua Xiao
推荐系统为很好地解决信息过载问题提供了有力的工具，因而受到学者和工程师的广泛关注。一个关键的挑战是如何使推荐更加准确和个性化。我们注意到，社区结构广泛存在于许多实际网络中，这可能会显着影响推荐结果。通过将检测到的社区信息纳入推荐算法中，提出了一种改进的社区网络推荐方法。该方法在人工网络和真实网络中进行了检验，结果表明准确率和多样性分别提高了 20% 和 7%。这表明根据推荐系统的固有属性对节点进行分类是有益的。
Recommender system offers a powerful tool to make information overload problem well solved and thus gains wide concerns of scholars and engineers. A key challenge is how to make recommendations more accurate and personalized. We notice that community structures widely exist in many real networks, which could significantly affect the recommendation results. By incorporating the information of detected communities in the recommendation algorithms, an improved recommendation approach for the networks with communities is proposed. The approach is examined in both artificial and real networks, the results show that the improvement on accuracy and diversity can be 20% and 7%, respectively. This reveals that it is beneficial to classify the nodes based on the inherent properties in recommender systems.
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
DOI：
10.1103/physreve.85.056112
发表时间：
2011-09
期刊：
Physical review. E, Statistical, nonlinear, and soft matter physics
影响因子：
--
作者：
B. Yan;Steve Gregory
通讯作者：
B. Yan;Steve Gregory
DOI：
10.2307/1052688
发表时间：
1941
期刊：
--
影响因子：
--
作者：
Allison Davis;B. Gardner;Mary R. Gardner
通讯作者：
Allison Davis;B. Gardner;Mary R. Gardner
影响因子：
4.6
作者：
Zeng W;Zeng A;Liu H;Shang MS;Zhou T
通讯作者：
Zhou T
DOI：
--
发表时间：
1994
期刊：
Computer Supported Cooperative Work
影响因子：
--
作者：
P. Resnick
通讯作者：
P. Resnick