关于推荐算法的一些杂想

基于社交网络的上下文感知推荐算法

上下文是重要的 ，社交网络是重要的，社交网络中的相信不同领域的朋友的不同子集是重要的。

然而，新颖性只强调一个项目是未知的事实;它不考虑已知但意想不到的项目。偶然性引入了意外的概念和措施是多么令人惊讶的建议。
情景也是重要的  
现有的社会推荐方法主要考虑两类社会信息：信任和朋友偏好相似度。在这项工作中，我们引入社会信息的另一个维度，社会好奇心，并研究其对建议的影响。
新颖性和偶然性
好奇心是重要的 ,每个人的好奇心程度是不一样的  
 传统的推荐系统使用多种计算技术来执行个性化的推荐，并且可以考虑用户的兴趣甚至是他们所处的环境。但是，他们通常会忽视每个人的人格因素，因此所产生的建议绝大多数认为所有的用户在心理上都是相同的。