CN106126586A - 一种基于综合评价信任的社交网络推荐模型构建方法 - Google Patents
一种基于综合评价信任的社交网络推荐模型构建方法 Download PDFInfo
- Publication number
- CN106126586A CN106126586A CN201610445210.0A CN201610445210A CN106126586A CN 106126586 A CN106126586 A CN 106126586A CN 201610445210 A CN201610445210 A CN 201610445210A CN 106126586 A CN106126586 A CN 106126586A
- Authority
- CN
- China
- Prior art keywords
- user
- recommended
- trust
- social networks
- overall merit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000013139 quantization Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于综合评价信任的社交网络推荐模型构建方法,包括如下步骤:初步确认被推荐用户和邻居用户之间的信任关系;建立被推荐用户和邻居用户之间评价相似度信任;建立被推荐用户和邻居用户之间社交关系相似度信任;建立被推荐用户和邻居用户之间PageRank信任;结合上述步骤的结果得到用户间的综合评价信任值。实现了准确地量化社交网络中被推荐用户与邻居用户信任关系的目的。通过这种量化的信任关系,改进了利用用户评价相似度来提供推荐服务的传统推荐模型推荐准确率低的弊端,最大化满足社交网络中被推荐用户个性化推荐的需求。
Description
技术领域
本发明涉及信息过滤中的推荐技术研究领域,具体涉及一种基于综合评价信任的面向个性化的社交网络推荐模型构建方法的研究。
背景技术
随着网络的发展与普及,人们在网络上能获取到越来越多的信息,这给人们的生活带来很大的便利,人们可以网上购物、聊天、查阅资料等。但是随着时间的推移,网络上的信息变得斑驳繁杂,人们很难继续在网络上获取对自己有用的信息,我们称此现象为“信息过载”。
针对这一难题,个性化推荐系统(Recommender System)应运而生。该系统主要基于大数据的挖掘来提供智能服务,通过分析用户的购物特征来给用户推荐其感兴趣的商品。如今,个性化推荐系统已经被众多领域广泛关注和研究,它是根据用户平时的爱好、社交圈、购物特征等来推荐商品,所以该技术能使用户快速获取喜欢的商品同时也能为商家挽留客户群体,避免了经济的损失。
传统互联网推荐系统主要采用基于协同过滤推荐,基于内容的推荐,混合推荐等几种推荐技术,对推荐项目的信任研究涉及较少,所以,将信任运用到推荐中可以显著提高推荐算法的准确性。基于信任的协同过滤推荐算法要比单纯的协同过滤效果更好,推荐准确度更高。随着国内外学者的研究,基于信任的个性化推荐更能挖掘用户的社会关系和用户的特征,从而能为用户提供更加优秀的个性化服务。
发明内容
本发明的目的在于提供一种基于综合评价信任的社交网络推荐模型构建方法,实现能全面地、准确地、客观地量化被推荐用户与邻居用户之间在社交网络中的信任关系,以信任为基础来提高对被推荐用户推荐最优Item的成功率的社交网络信任模型的构建方法。具体技术方案如下:
一种基于综合评价信任的社交网络推荐模型构建方法,包括如下步骤:
(1)初步确认被推荐用户和邻居用户之间的信任关系;
(2)建立被推荐用户和邻居用户之间评价相似度信任;
(3)建立被推荐用户和邻居用户之间社交关系相似度信任;
(4)建立被推荐用户和邻居用户之间PageRank信任;
(5)结合步骤(2)-(4)的结果得到用户间的综合评价信任值。
进一步地,步骤(1)中通过分析数据初步确认用户之间的信任关系,所述数据包括社交网络结构图。
进一步地,步骤(2)中,计算被推荐用户Ui和邻居用户Uj的评价相似信任度包括:设是Ui,Uj都参与评分的项目集,通过获取Ui对IC的评分,获得Ui对IC的评价向量,记为:通过获取Uj对IC的评分,获得Uj对IC的评价向量,记为:IC项目集总数为n′,则Ui与Uj之间的评价相似度信任值为:
进一步地,步骤(3)中,计算被推荐用户Ui和邻居用户Uj的社交关系相似信任度包括:设Uc={U1,U2,U3,...,Un'}是与Ui,Uj都有直接交互的社交用户集,通过获取Ui与Uc之间的信任关系,获得Ui与Uc的信任用户子集通过获取Uj与Uc之间的信任关系,获得Uj与Uc的信任用户子集Uc社交用户集总数为n′,则Ui与Uj之间的社交关系相似信任值为:
进一步地,步骤(4)中计算用户Ui的PageRank信任度包括:设Uc={U1,U2,U3,...,Un'}是与Ui有直接交互的社交用户集,通过获取Ui对Uc社交用户集之间的信任关系,获得Ui对Uc的信任向量,记为:通过获取社交用户集Uc与Ui之间的信任关系,获得Uc对Ui的信任向量,记为:Uc通信用户集的总数为n′,则Ui的PageRank信任值为:
进一步地,步骤(5)中,计算被推荐用户Ui与邻居用户Uj之间的综合评价信任值为:
其中β是权衡系数,满足条件β1+β2+β3=1。
进一步地,进一步包括步骤(6):选出评分最高的相邻用户推荐给用户。
进一步地,步骤(6)中包括:
(6-1)获取被推荐用户的邻居集{u1,u2,...,un};
(6-2)获取被推荐用户感兴趣的Item集{I1,I2,...,In};
(6-3)邻居集对Item集的评分集合为rij通过公式
预测出被推荐用户对Item集的评分;
(6-4)选出评分最高的最优Item推荐给用户。
与目前现有技术相比,本发明针对个性化推荐的发展趋势,通过信任来对用户进行个性化推荐,运用了隐式用户信任并引入了用户评价相似度信任、用户社交关系相似度信任和PageRank信任三个信任度,提出了一种基于综合信任评价的社交网络推荐模型,并在公开数据集上验证我们的算法,本文旨在从信任的角度去剖析推荐项目的准确性和可靠性,从另外一个角度去探讨推荐系统的研究。该基于综合评价信任的社交网络推荐模型构建系统通过对社交网络结构图的分析,挖掘出用户之间的信任关系,建立被推荐用户和邻居用户之间评价相似度信任、社交关系相似度信任和PageRank信任,从而结合上述信任度量方法,构建出用户间的综合评价信任值,实现了准确地量化社交网络中被推荐用户与邻居用户信任关系的目的。通过这种量化的信任关系,改进了利用用户评价相似度来提供推荐服务的传统推荐模型推荐准确率低的弊端,最大化满足社交网络中被推荐用户个性化推荐的需求。
附图说明
图1为本发明实施例公开的获取被推荐用户Ui和邻居用户Uj的评价相似度信任示意图;
图2为本发明实施例公开的获取被推荐用户Ui和邻居用户Uj的社交关系相似信任示意图;
图3为本发明实施例公开的获取被推荐用户Ui和邻居用户Uj的PageRank信任示意图;
图4为本发明实施例公开的一种基于综合评价信任的社交网络推荐模型构建系统构建方法流程图;
图5为本发明实施例公开的实验结果图。
具体实施方式
下面根据附图对本发明进行详细描述,其为本发明多种实施方式中的一种优选实施例。
在一个优选实施例中,一种基于综合评价信任的社交网络推荐模型构建方法,包括如下步骤:初步确认被推荐用户和邻居用户之间的信任关系;建立被推荐用户和邻居用户之间评价相似度信任;建立被推荐用户和邻居用户之间社交关系相似度信任;建立被推荐用户和邻居用户之间PageRank信任;接合步骤(2)-(4)的结果得到用户间的综合评价信任值。
在另一个优选实施例中,可以采用如下方案:一种基于综合评价信任的社交网络推荐模型构建系统,推荐系统计算被推荐用户Ui和邻居用户Uj的评价相似信任度。设是Ui,Uj都参与评分的项目集,通过获取Ui对IC的评分,获得Ui对IC的评价向量,记为:通过获取Uj对IC的评分,获得Uj对IC的评价向量,记为:IC项目集总数为n′,则Ui与Uj之间的评价相似度信任值为(图1):
推荐系统计算被推荐用户Ui和邻居用户Uj的社交关系相似信任度。设Uc={U1,U2,U3,...,Un'}是与Ui,Uj都有直接交互的社交用户集,通过获取Ui与Uc之间的信任关系,获得Ui与Uc的信任用户子集通过获取Uj与Uc之间的信任关系,获得Uj与Uc的信任用户子集Uc社交用户集总数为n′,则Ui与Uj之间的社交关系相似信任值为(图2):
推荐系统计算用户Ui的PageRank信任度。设Uc={U1,U2,U3,...,Un'}是与Ui有直接交互的社交用户集,通过获取Ui对Uc社交用户集之间的信任关系,获得Ui对Uc的信任向量,记为:通过获取社交用户集Uc与Ui之间的信任关系,获得Uc对Ui的信任向量,记为:Uc通信用户集的总数为n′,则Ui的PageRank信任值为(图3):
综合以上信任值,被推荐用户Ui与邻居用户Uj之间的综合评价信任值为:
其中β是权衡系数,满足条件β1+β2+β3=1。
基于上述评价相似度信任值社交关系相似信任值和PageRank信任值通过式(4)求得被推荐用户与邻居用户之间的综合评价信任值Tij。
推荐系统获取被推荐用户的邻居集{u1,u2,...,un},获取被推荐用户感兴趣的Item集{I1,I2,...,In},邻居集对Item集的评分集合为rij通过公式
预测出被推荐用户对Item集的评分,选出评分最高的最优Item推荐给用户(图4)。
本发明实验采用真实数据集Epinions(www.Epinions.com),该数据集包括用户对项目的评分以及用户之间的信任关系,具体数据见表5-1。我们将用户-项目评分数据拆分为80%的训练集和20%的测试集。
表5-1 Epinions数据集
图4为本发明具体实施方式的实验结果,该图表明本发明的模型较传统的协同过滤推荐模型的推荐准确性有明显的提高
算法:
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种改进,或未经改进直接应用于其它场合的,均在本发明的保护范围之内。
Claims (8)
1.一种基于综合评价信任的社交网络推荐模型构建方法,其特征在于,包括如下步骤:
(1)初步确认被推荐用户和邻居用户之间的信任关系;
(2)建立被推荐用户和邻居用户之间评价相似度信任;
(3)建立被推荐用户和邻居用户之间社交关系相似度信任;
(4)建立被推荐用户和邻居用户之间PageRank信任;
(5)结合步骤(2)-(4)的结果得到用户间的综合评价信任值。
2.如权利要求1所述的基于综合评价信任的社交网络推荐模型构建方法,其特征在于,步骤(1)中通过分析数据初步确认用户之间的信任关系,所述数据包括社交网络结构图。
3.如权利要求1和2所述的基于综合评价信任的社交网络推荐模型构建方法,其特征在于,步骤(2)中,计算被推荐用户Ui和邻居用户Uj的评价相似信任度包括:设是Ui,Uj都参与评分的项目集,通过获取Ui对IC的评分,获得Ui对IC的评价向量,记为:通过获取Uj对IC的评分,获得Uj对IC的评价向量,记为:IC项目集总数为n′,则Ui与Uj之间的评价相似度信任值为:
4.如权利要求1-3所述的基于综合评价信任的社交网络推荐模型构建方法,其特征在于,步骤(3)中,计算被推荐用户Ui和邻居用户Uj的社交关系相似信任度包括:设Uc={U1,U2,U3,...,Un'}是与Ui,Uj都有直接交互的社交用户集,通过获取Ui与Uc之间的信任关系,获得Ui与Uc的信任用户子集通过获取Uj与Uc之间的信任关系,获得Uj与Uc的信任用户子集Uc社交用户集总数为n′,则Ui与Uj之间的社交关系相似信任值为:
5.如权利要求1-4所述的基于综合评价信任的社交网络推荐模型构建方法,其特征在于,步骤(4)中计算用户Ui的PageRank信任度包括:设Uc={U1,U2,U3,...,Un'}是与Ui有直接交互的社交用户集,通过获取Ui对Uc社交用户集之间的信任关系,获得Ui对Uc的信任向量,记为:通过获取社交用户集Uc与Ui之间的信任关系,获得Uc对Ui的信任向量,记为:Uc通信用户集的总数为n′,则Ui的PageRank信任值为:
6.如权利要求1-5所述的基于综合评价信任的社交网络推荐模型构建方法,其特征在于,步骤(5)中,计算被推荐用户Ui与邻居用户Uj之间的综合评价信任值为:
其中β是权衡系数,满足条件β1+β2+β3=1。
7.如权利要求1-6所述的基于综合评价信任的社交网络推荐模型构建方法,其特征在于,进一步包括步骤(6):选出评分最高的相邻用户推荐给用户。
8.如权利要求7所述的基于综合评价信任的社交网络推荐模型构建方法,其特征在于,步骤(6)中包括:
(6-1)获取被推荐用户的邻居集{u1,u2,...,un};
(6-2)获取被推荐用户感兴趣的Item集{I1,I2,...,In};
(6-3)邻居集对Item集的评分集合为rij通过公式
预测出被推荐用户对Item集的评分;
(6-4)选出评分最高的最优Item推荐给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610445210.0A CN106126586A (zh) | 2016-06-21 | 2016-06-21 | 一种基于综合评价信任的社交网络推荐模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610445210.0A CN106126586A (zh) | 2016-06-21 | 2016-06-21 | 一种基于综合评价信任的社交网络推荐模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106126586A true CN106126586A (zh) | 2016-11-16 |
Family
ID=57471330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610445210.0A Pending CN106126586A (zh) | 2016-06-21 | 2016-06-21 | 一种基于综合评价信任的社交网络推荐模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106126586A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967345A (zh) * | 2017-12-12 | 2018-04-27 | 梁金凤 | 一种社交网络名人信息推荐装置 |
CN108537569A (zh) * | 2018-03-07 | 2018-09-14 | 西北大学 | 在线社交网络中人际关系感知的广告推送方法 |
WO2018177303A1 (zh) * | 2017-03-28 | 2018-10-04 | 腾讯科技(深圳)有限公司 | 媒体内容推荐方法、装置及存储介质 |
CN109118379A (zh) * | 2017-06-22 | 2019-01-01 | 腾讯科技(深圳)有限公司 | 基于社交网络的推荐方法和装置 |
CN109271806A (zh) * | 2018-08-14 | 2019-01-25 | 同济大学 | 基于用户行为的隐私保护机制研究 |
CN110119424A (zh) * | 2019-04-02 | 2019-08-13 | 天津大学 | 基于圆桌流感算法的稀疏信任挖掘方法 |
CN111626819A (zh) * | 2020-05-20 | 2020-09-04 | 长沙理工大学 | 一种基于信任相关度的快速矩阵分解推荐方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040148275A1 (en) * | 2003-01-29 | 2004-07-29 | Dimitris Achlioptas | System and method for employing social networks for information discovery |
CN101976263A (zh) * | 2010-11-16 | 2011-02-16 | 北京开心人信息技术有限公司 | 一种社交网站中用户向好友推荐好友的方法及系统 |
CN103150399A (zh) * | 2013-03-26 | 2013-06-12 | 常州德诗蓝电子科技有限公司 | 一种社交网络中基于信任的信息推荐方法 |
CN103995823A (zh) * | 2014-03-25 | 2014-08-20 | 南京邮电大学 | 一种基于社交网络的信息推荐方法 |
CN104166702A (zh) * | 2014-08-04 | 2014-11-26 | 浙江财经大学 | 一种面向服务供应链网络的服务推荐方法 |
CN104268171A (zh) * | 2014-09-11 | 2015-01-07 | 东北大学 | 基于活动相似和社交信任的社交网好友推荐系统及方法 |
CN104426979A (zh) * | 2013-09-04 | 2015-03-18 | 中国科学院声学研究所 | 一种基于社交关系的分布式缓存调度系统与方法 |
CN104838410A (zh) * | 2015-02-11 | 2015-08-12 | 深圳市仁盟互动网络科技有限公司 | 基于信任推荐的社交网络建立好友的方法及系统 |
CN104899267A (zh) * | 2015-05-22 | 2015-09-09 | 中国电子科技集团公司第二十八研究所 | 一种社交网站账号相似度的综合数据挖掘方法 |
CN105045805A (zh) * | 2015-06-03 | 2015-11-11 | 安徽师范大学 | 基于移动通信的信任推荐模型的构建方法及其构建系统 |
CN105069717A (zh) * | 2015-07-29 | 2015-11-18 | 陕西师范大学 | 一种基于游客信任度的个性化旅游线路推荐方法 |
CN105468598A (zh) * | 2014-08-18 | 2016-04-06 | 大连民族学院 | 好友推荐方法及装置 |
CN105574139A (zh) * | 2015-12-14 | 2016-05-11 | 西安交通大学 | 一种基于双吸引度计算的社交网络陌生交友推荐方法及系统 |
-
2016
- 2016-06-21 CN CN201610445210.0A patent/CN106126586A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040148275A1 (en) * | 2003-01-29 | 2004-07-29 | Dimitris Achlioptas | System and method for employing social networks for information discovery |
CN101976263A (zh) * | 2010-11-16 | 2011-02-16 | 北京开心人信息技术有限公司 | 一种社交网站中用户向好友推荐好友的方法及系统 |
CN103150399A (zh) * | 2013-03-26 | 2013-06-12 | 常州德诗蓝电子科技有限公司 | 一种社交网络中基于信任的信息推荐方法 |
CN104426979A (zh) * | 2013-09-04 | 2015-03-18 | 中国科学院声学研究所 | 一种基于社交关系的分布式缓存调度系统与方法 |
CN103995823A (zh) * | 2014-03-25 | 2014-08-20 | 南京邮电大学 | 一种基于社交网络的信息推荐方法 |
CN104166702A (zh) * | 2014-08-04 | 2014-11-26 | 浙江财经大学 | 一种面向服务供应链网络的服务推荐方法 |
CN105468598A (zh) * | 2014-08-18 | 2016-04-06 | 大连民族学院 | 好友推荐方法及装置 |
CN104268171A (zh) * | 2014-09-11 | 2015-01-07 | 东北大学 | 基于活动相似和社交信任的社交网好友推荐系统及方法 |
CN104838410A (zh) * | 2015-02-11 | 2015-08-12 | 深圳市仁盟互动网络科技有限公司 | 基于信任推荐的社交网络建立好友的方法及系统 |
CN104899267A (zh) * | 2015-05-22 | 2015-09-09 | 中国电子科技集团公司第二十八研究所 | 一种社交网站账号相似度的综合数据挖掘方法 |
CN105045805A (zh) * | 2015-06-03 | 2015-11-11 | 安徽师范大学 | 基于移动通信的信任推荐模型的构建方法及其构建系统 |
CN105069717A (zh) * | 2015-07-29 | 2015-11-18 | 陕西师范大学 | 一种基于游客信任度的个性化旅游线路推荐方法 |
CN105574139A (zh) * | 2015-12-14 | 2016-05-11 | 西安交通大学 | 一种基于双吸引度计算的社交网络陌生交友推荐方法及系统 |
Non-Patent Citations (1)
Title |
---|
张富国: "基于社交网络的个性化推荐技术", 《小型微型计算机系统》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018177303A1 (zh) * | 2017-03-28 | 2018-10-04 | 腾讯科技(深圳)有限公司 | 媒体内容推荐方法、装置及存储介质 |
CN108664484A (zh) * | 2017-03-28 | 2018-10-16 | 腾讯科技(北京)有限公司 | 媒体内容推荐方法及装置 |
US11182418B2 (en) | 2017-03-28 | 2021-11-23 | Tencent Technology (Shenzhen) Company Limited | Media content recommendation method and apparatus and storage medium |
CN109118379A (zh) * | 2017-06-22 | 2019-01-01 | 腾讯科技(深圳)有限公司 | 基于社交网络的推荐方法和装置 |
CN109118379B (zh) * | 2017-06-22 | 2023-03-21 | 腾讯科技(深圳)有限公司 | 基于社交网络的推荐方法和装置 |
CN107967345A (zh) * | 2017-12-12 | 2018-04-27 | 梁金凤 | 一种社交网络名人信息推荐装置 |
CN108537569A (zh) * | 2018-03-07 | 2018-09-14 | 西北大学 | 在线社交网络中人际关系感知的广告推送方法 |
CN108537569B (zh) * | 2018-03-07 | 2022-03-29 | 西北大学 | 在线社交网络中人际关系感知的广告推送方法 |
CN109271806A (zh) * | 2018-08-14 | 2019-01-25 | 同济大学 | 基于用户行为的隐私保护机制研究 |
CN110119424A (zh) * | 2019-04-02 | 2019-08-13 | 天津大学 | 基于圆桌流感算法的稀疏信任挖掘方法 |
CN111626819A (zh) * | 2020-05-20 | 2020-09-04 | 长沙理工大学 | 一种基于信任相关度的快速矩阵分解推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106126586A (zh) | 一种基于综合评价信任的社交网络推荐模型构建方法 | |
Dolnicar | Market segmentation for e-tourism | |
Zhang et al. | Water security evaluation based on the TODIM method with probabilistic linguistic term sets | |
Torfi et al. | Fuzzy AHP to determine the relative weights of evaluation criteria and Fuzzy TOPSIS to rank the alternatives | |
Zhang et al. | A meta-analysis of mobile commerce adoption and the moderating effect of culture | |
CN105117422B (zh) | 智能社交网络推荐系统 | |
Smith et al. | The artificial debate between rationalist and incrementalist models of decision making | |
CN102750336A (zh) | 一种基于用户关联性的资源个性化推荐方法 | |
Jochen et al. | Probabilistic reserves estimation using decline curve analysis with the bootstrap method | |
CN101874254A (zh) | 利用包括推理服务器的适配网络架构建立社会网络的过程 | |
CN108921734A (zh) | 一个基于多源异构数据的房地产信息可视化系统 | |
Chen et al. | Detecting the temporal gaps of technology fronts: A case study of smart grid field | |
CN108039198A (zh) | 一种面向移动医疗的医生推荐方法及系统 | |
Bridgstock | Success in the protean career: A predictive study of professional artists and tertiary arts graduates | |
Li | SWOT analysis of e‐commerce development of rural tourism farmers' professional cooperatives in the era of big data | |
CN105678590A (zh) | 一种面向社交网络基于云模型的topN推荐方法 | |
CN102737027B (zh) | 个性化搜索方法及系统 | |
CN105978729A (zh) | 一种基于用户上网日志及位置的手机信息推送系统及方法 | |
García-Valiñas et al. | Are economic tools useful to manage residential water demand? A review of old issues and emerging topics | |
Pykäläinen et al. | Complementary use of voting methods and interactive utility analysis in participatory strategic forest planning: experiences gained from western Finland | |
CN105447633A (zh) | 一种科研机构综合评价方法及系统 | |
Lupi et al. | Getting off the ladder: Disentangling water quality indices to enhance the valuation of divergent ecosystem services | |
CN110415053A (zh) | 一种基于大数据的用户体验监测系统及方法 | |
Jia et al. | Utilization of state performance indices to correlate national performance measures for asphalt pavements in Tennessee | |
CN107920133A (zh) | 一种基于局部网络中三元闭包信息的推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161116 |
|
RJ01 | Rejection of invention patent application after publication |