推荐系统论文笔记(11):Social networking meets recommender systems:survey

一、基本信息

论文题目:《Social networking meets recommender systems:survey》

发表时间:International Journal of Social Network Mining, 2015, 2 (1), pp. 64 - 100

论文作者及单位:Guandong Xu(University of Technology);   Zhiang Wu(南京财经大学);   Yanchun Zhang(Victoria University);   Jie Cao(南京财经大学)

论文地址:https://opus.lib.uts.edu.au/handle/10453/36579

我的评分:4颗星
 

二、摘要

  这篇综述和前面的6、7号笔记中的文章一样,介绍的都是关于把社交关系引入推荐系统,但前两篇文章发表时间于2013与2014,本篇文章发表于2015因此在前两篇文章的基础上增加补充了该领域最新的一些进展。

 

三、论文的工作与主要内容

1、综述采用kNN算法进行相似度度量的原理

2、综述推荐系统领域两种主流的方法:基于内容推荐与基于协同过滤推荐

3、协同过滤中的两个前沿方向:neighbourhood methods和latent factor models,并详细介绍了这两种模型

4、介绍了一些社交网络研究的分支与最前沿的动态

  • 社区发现
    1. 基于全局模型的社区发现
    2. 不基于全局模型的社区发现
    3. 社区抽取
    4. 社区评估
  • 社交网络的时序分析
    1. 社区进化
    2. 链接预测
    3. 话题进化
    4. 时空分析
  • 社会影响分析
    1. 同质性
    2. 信息传播
    3. 最大影响
  • 其他一些分支
    1. 在社交网络中的在线广告
    2. 社会性垃圾邮件检测

5、社交网络中将来可以研究的一些方向

6、将社交网络进入推荐系统的一些方法

 

四、总结

本篇论文从社交网络的原理与最新研究切入,系统地介绍了将社交网络引入推荐系统的办法和优点。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值