一、基本信息
论文题目:《Learning to Recommend with Social Trust Ensemble》
发表时间:SIGIR 2009
论文作者与单位:
论文地址:https://dl.acm.org/citation.cfm?id=1571978
二、摘要
推荐系统作为信息过滤领域不可或缺的技术,近年来在学术界和工业界得到了广泛的研究和发展。然而,目前大多数推荐系统都存在以下问题:(1)用户项目矩阵的大规模和稀疏数据严重影响了推荐质量。因此,大多数推荐系统都不能很容易地处理评分很少的用户。(2)传统推荐系统假定所有用户都是独立的、分布相同的;这种假设忽略了用户之间的联系,这与现实世界的推荐不一致。为了更准确、更真实地对推荐系统进行建模,我们提出了一种新的概率因素分析框架,它将用户的喜好和信任的朋友的喜好自然地融合在一起。在这个框架中,我们提出了“社会信任集合”一词来表示对推荐人系统的社会信任限制的表述。复杂度分析表明,我们的方法可以应用于非常大的数据集,因为它与观测的数量成线性关系,而实验结果表明,我们的方法比最先进的方法性能更好。
三、主要内容与工作
1、以往的推荐系统都存在两个问题,一个是数据稀疏,另一个是假设用户都是独立同分布而忽视了用户间的社交关系。