论文笔记:TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust

TrustSVD是一种解决协同过滤中数据稀疏和冷启动问题的矩阵分解技术,它扩展了SVD++,考虑了用户信任的显性和隐性影响。通过对社会信任数据的分析,发现信任与评级信息相辅相成,能提升推荐精度。实验显示TrustSVD在预测准确性上优于其他10种方法,尤其在处理冷启动场景时表现出色。
摘要由CSDN通过智能技术生成

一、基本信息

论文题目:《TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust and of Item Ratings》

发表时间:AAAI 2015

论文作者及单位:

论文地址:https://aaai.org/ocs/index.php/AAAI/AAAI15/paper/view/9313

 

二、摘要

        协同过滤存在数据稀疏和冷启动等问题,极大地降低了推荐性能。为了解决这些问题,我们提出了一种基于信任的矩阵分解技术trustsvd。通过对四个现实数据集的社会信任数据的分析,我们得出结论:在推荐模型中,不仅要考虑评级和信任的显性影响,还要考虑其隐性影响。因此,我们建立在最先进的推荐算法SVD++的基础上,通过进一步整合受信任用户对活动用户项目预测的显式和隐式影响,该算法固有地涉及评级项目的显式和隐式影响。据我们所知,本文的工作是第一个用社会信任信息扩展SVD++的工作。对四组数据的实验结果表明,我们的方法trustsvd比其他十组数据具有更好的精度,能够更好地处理相关问题。

 

三、主要内容与工作

1、在本文中,我们提出了一

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