基于上下文相似度和社会网络的移动服务推荐方法

俞春花; 刘学军; 李斌; 章玮

doi:10.3969/j.issn.0372-2112.2017.06.036

您当前的位置：

首页 >

文章列表页 >

基于上下文相似度和社会网络的移动服务推荐方法

科研通信 | 更新时间：2025-07-16

- 基于上下文相似度和社会网络的移动服务推荐方法
- Mobile Service Recommendation Based on Context Similarity and Social Network
- 电子学报 2017年45卷第6期页码：1530-1536
- 作者机构：
  
  1. 南京工业大学计算机科学与技术学院,江苏,南京,211816
  2. 复旦大学,上海,200433
  3. 中国人民解放军 73677部队,江苏,南京,210016
  4. 南京工业大学计算机科学与技术学院,江苏,南京,211816
  5. 复旦大学,上海,200433
  6. 中国人民解放军 73677部队,江苏,南京,210016
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61203072）;江苏省重点研发计划 (社会发展） (No.BE2015697）
- DOI：10.3969/j.issn.0372-2112.2017.06.036
  中图分类号： TP301
- 纸质出版：2017
- 稿件说明：
移动端阅览
俞春花, 刘学军, 李斌, 等. 基于上下文相似度和社会网络的移动服务推荐方法[J]. 电子学报, 2017,45(6):1530-1536.

YU Chun-hua, LIU Xue-jun, LI Bin, et al. Mobile Service Recommendation Based on Context Similarity and Social Network[J]. Acta Electronica Sinica, 2017, 45(6): 1530-1536.
俞春花, 刘学军, 李斌, 等. 基于上下文相似度和社会网络的移动服务推荐方法[J]. 电子学报, 2017,45(6):1530-1536. DOI： 10.3969/j.issn.0372-2112.2017.06.036.

YU Chun-hua, LIU Xue-jun, LI Bin, et al. Mobile Service Recommendation Based on Context Similarity and Social Network[J]. Acta Electronica Sinica, 2017, 45(6): 1530-1536. DOI： 10.3969/j.issn.0372-2112.2017.06.036.

摘要

针对传统的基于协同过滤的移动服务推荐方法存在的数据稀疏性和用户冷启动问题，提出一种基于上下文相似度和社会网络的移动服务推荐方法（Context-similarity and Social-network based Mobile Service Recommendation，CSMSR）.该方法将基于用户的上下文相似度引入个性化服务推荐过程，并挖掘由移动用户虚拟交互构成的社会关系网络，按照信任度选取信任用户；然后结合基于用户评分相似度计算发现的近邻，分别从相似用户和信任用户中选择相应的邻居用户，对目标用户进行偏好预测和推荐.实验表明，与已有的服务推荐方法TNCF、SRMTC及CF-DNC相比，CSMSR方法有效地缓解数据稀疏性并提高推荐准确率，有利于发现用户感兴趣的服务，提升用户个性化服务体验.

Abstract

Concentrating on the data sparsity problem and the new user cold-start problem faced by traditional collaborative filtering algorithm in mobile recommender system

an approach named CSMSR (Context-similarity and Social-network based Mobile Service Recommendation) is proposed.The approach integrates mobile users' context information and social network information into collaborative filtering recommendation process.Firstly

it imports the user-based context similarities into the personalized service recommendation process.Secondly

it searches the corresponding nearest neighbors for each mobile user according to the given mobile users' ratings and the mining social network.Finally

it predicts unknown mobile users' preferences and generates recommendations.The experimental results show that CSMSR outperforms the existing service recommendation methods

such as TNCF

SRMTC and CF-DNC in terms of MAE (Mean Absolute Error) and P@N

and it performs well in finding out the interested services of users and enhancing the user experience.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于自监督学习的去流行度偏差推荐方法

移动网络服务中基于认知心理学的用户偏好提取方法

两方参与的隐私保护协同过滤推荐研究

对搜索引擎中评分方法的研究

基于多级查询表的JPEG2000位平面扫描优化方法