CN107862012A - 一种针对大学生群体的信息资源自动推荐方法 - Google Patents
一种针对大学生群体的信息资源自动推荐方法 Download PDFInfo
- Publication number
- CN107862012A CN107862012A CN201711036433.2A CN201711036433A CN107862012A CN 107862012 A CN107862012 A CN 107862012A CN 201711036433 A CN201711036433 A CN 201711036433A CN 107862012 A CN107862012 A CN 107862012A
- Authority
- CN
- China
- Prior art keywords
- user
- similarity
- score
- social network
- social
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 27
- 230000003993 interaction Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims 1
- 238000001914 filtration Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000126 substance Substances 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)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (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)
Abstract
本发明公开了一种针对大学生群体的信息资源自动推荐方法，包括：获取用户数据和需要推荐的数据；采用用户相似度模型计算基于用户评价矩阵的邻居集合；采用基于社交网络信息的相似度模型计算基于社交网络信息的邻居集合；根据两种邻居集合，计算出预测项目的得分，并对两个结果进行混合；筛选出评分最高的TOP‑N项目，得出推荐结果。本发明将用户的社交网络融合到传统的协同过滤算法中，符合大学生信息共享及交流的需要。该方法可以为面向大学生的垂直领域提供更合适的推荐结果。
Description
技术领域
本发明涉及协同过滤推荐算法的思想，特别涉及一种混合用户社交网络信息的用户相似度计算方法。
背景技术
随着数据产生速度的加快和信息技术的发展以及大学生群体信息交流的需求日渐增加，互联网思想已经深入大学生群体的学习生活。大量的信息无时无刻的都在产生，各种信息纷繁复杂，传统的信息推送方式已无法满足现实生活的需求，因此，以协同过滤推荐算法为代表的信息推荐技术应运而生，个性化定制和推荐系统也广泛应用于各种领域中。
把社交网络和推荐系统结合起来，那么基于社交网络的推荐应该具有发现潜在商机和提升预测效果的显著作用。本文主要涉及协同过滤算法的思想和基于用户的协同过滤算法，即相似的用户具有相似的兴趣喜好。传统的协同过滤算法仍存在诸多问题，尤其是数据稀疏以及冷启动问题。现有的各种经改进的协同过滤算法，一定程度上缓解的上述问题。目前，随着我国科教水平的提升和经济水平的提高，大学生群体已成为带动社会理性消费和推动社会进步的重要社会群体，因此，本发明着眼于这一现实，提出一种针对大学生的垂直领域的信息推荐方法，主要目的在于提升大学生群体的信息共享与交流的效率，方便大学生之间交流及获取各方面的信息，例如，考研、留学、课程心得和就业等等。
大学生群体的社交网络一般都局限于高校和同学关系之内，所以该群体的社交网络对推荐的生成就具有相当程度的重要性及参考价值。本发明提出了一种针对大学生群体的信息资源自动推荐方法，一定程度缓解了运营初期的数据稀疏及冷启动问题。大学生群体作为社会重要组成部分之一，针对这一群体的信息推荐具有重大潜在商业价值。
发明内容
本发明的目的在于提供一种针对大学生群体的信息资源自动推荐方法，实现针对大学生群体的信息资源自动推荐，主要考虑了大学生群体的社交网络的特点，对协同过滤算法进行改进优化。
为了解决以上需求的技术问题，本发明通过改进协同过滤算法，提出了一种融合社交网络的协同过滤算法。该方法可以在项目运营初期通过用户社交网络的辅助，缓解数据稀疏和冷启动问题，提高了针对大学生群体的信息资源自动推荐的针对性。本发明采用的具体技术方案如下。
一种针对大学生群体的信息资源自动推荐方法，其特征在于包括以下步骤：
步骤一，获取用户数据和需要推荐的数据；
步骤二，采用用户相似度模型计算基于用户评价矩阵的邻居集合；
步骤三，采用基于社交网络信息的相似度模型计算基于社交网络信息的邻居集合；
步骤四，根据两种邻居集合，计算出预测项目的得分，并对两个结果进行混合；
步骤五，筛选出评分最高的TOP-N项目，得出推荐结果。
所述步骤二具体包括以下过程：
过程2.1，采用基于皮尔森相关系数的相似度模型，利用式(1)计算出用户u，ν的相似度w(u,v)；
其中，I(u)表示用户u所标注的项目集合，rui表示用户u对项目i的标注，表示用户u在所有项目上标注的均值；I(v)表示用户v所标注的项目集合，rvi表示用户v对项目i的标注，表示用户v在所有项目上标注的均值；。
过程2.2，根据过程2.1所述相似度，结合式(2)得出基于用户评价矩阵的邻居集合Pu；
其中，表示相似度阈值，U为所有用户的集合。
所述步骤三具体包括以下过程：
过程3.1，建立基于社交网络信息的相似度模型，由式(3)表示；
simsocial(u,v)＝α*siminteract(u,v)+β*simf(u,v) (3)
其中，α，β分别表示了各自的权重且α+β＝1，siminteract(u,v)表示基于用户交互的相似度，由式(3-1)得出，simf(u,v)表示基于用户社交关系网的相似度，由式(3-2)得出；
其中，fuv为用户u，v互动频次，fuv′为用户u，v′互动频次，Fu是所有与u互动过用户的集合；
过程3.2，根据过程3.1所建立的基于社交网络信息的相似度模型，由式(4)计算出邻居集合Su；
Su＝{v|v∈U且simsocial(u,v)>γ} (4)
其中，γ表示相似度阈值。
所述步骤四具体包括以下过程：
过程4.1，根据基于用户评价矩阵的邻居集合Pu，由式(5)计算得分scorers；
过程4.2，根据基于社交网络信息的邻居集合Su，由式(6)计算得分scoress；
过程4.3，根据式(5)基于用户评价矩阵的邻居集合Pu所计算出的得分scorers、式(6)基于社交网络信息的邻居集合Su所计算出的得分scoress，由式(7)混合，最终得出用户u对项目i的预测得分rui；
rui＝θ*scorers+(1-θ)*scoress (7)
其中，θ为可控调优参数。
社交网络的快速发展以及其庞大的用户群体为基于社交网络的推荐系统的产生提供了优秀的条件。社交网络作为一种判断用户相似性的重要依据，尤其是在本发明针对大学生群体的情况下，其依据在于用户对项目的评分或者评价除了依赖项目本身的质量以外，还在很大程度上受到用户好友的影响。
本发明具有有益效果。本发明提出的一种针对大学生群体的信息资源自动推荐方法主要解决了大学生信息交流共享方式的缺乏，缓解推荐系统初期的数据稀疏和冷启动问题，提高了对大学生群体的信息资源自动推荐效果的针对性。
附图说明
图1是本发明方法的项目评分计算的实施流程图。
具体实施方式
下面结合附图对本发明的实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
实施例一
本发明提供的一种针对大学生群体的信息资源自动推荐方法，其近似表示实施流程如图1所示，包括如下步骤：
步骤一，获取用户对项目评分数据如表1和用户社交数据如表2，数据部分截取自Epinions数据集，作为示例，用户评分数据包括用户id，项目id及用户对项目评分等，用户社交数据包括用户id，好友id及互动情况；
表1用户对项目评分数据
表2用户社交数据
步骤二具体包括以下过程：
过程2.1，采用基于皮尔森相关系数的相似度模型，利用式(1)计算出用户id为547的用户与用户id为548的用户的相似度；
其中，I(u)表示用户u所标注的项目集合，rui表示用户u对项目i的标注，表示用户u在所有项目上标注的均值；I(v)表示用户v所标注的项目集合，rvi表示用户v对项目i的标注，表示用户v在所有项目上标注的均值；
计算得出用户547与用户548的相似度w(547,548)＝0.237。
过程2.2，根据过程2.1所得相似度，结合式(2)得出基于用户评价矩阵的用户u的邻居集合Pu；
其中，表示相似度阈值，U为所有用户的集合。
取阈值计算得邻居集合为Pu＝[459,374,377,129,223,332,229,323,45,46,233,167,301,397,180,554]。
步骤三具体包括以下过程：
过程3.1，建立基于社交网络信息的相似度模型，由式(3)表示；
simsocial(u,v)＝α*siminteract(u,v)+β*simf(u,v) (3)
其中，α，β分别表示了各自的权重且α+β＝1，siminteract(u,v)表示基于用户交互的相似度，由式(3-1)得出，simf(u,v)表示基于用户社交关系网的相似度，由式(3-2)得出；
其中，fuv为用户u，v互动频次，fuv′为用户u，v′互动频次，Fu是所有与u互动过用户的集合；
取α＝0.6，β＝0.4，计算得出simsocial(547,548)＝0.58。
过程3.2，根据过程3.1所建立的基于社交网络信息的相似度模型，由式(4)计算出邻居集合Su；
Su＝{v|v∈U且simsocial(u,v)>γ} (4)
其中，γ表示相似度阈值。
取γ＝0.5，计算得出邻居集合Su＝[607,671,548,732,439,278,493,167,244,564,543,432,212,346,80]
步骤四具体包括以下过程：
过程4.1，根据基于用户评价矩阵的邻居集合Pu，由式(5)计算得分scorers；
过程4.2，根据基于社交网络信息的邻居集合Su，由式(6)计算得分scoress；
过程4.3，根据式(5)基于用户评价矩阵的邻居集合Pu所计算出的得分scorers、式(6)基于社交网络信息的邻居集合Su所计算出的得分scoress，由式(7)混合，最终得出用户u对项目i的预测得分rui；
rui＝θ*scorers+(1-θ)*scoress (7)
其中，θ为可控调优参数。
根据所得两个邻居集合及邻居用户的已知项目评分，计算预测得分，并得出预测分数最高的项目，选取10个作为推荐结果如表3。
表3项目预测分数
| item_id | score | item_id | score |
| 724 | 5.0 | 1356 | 4.0325503 |
| 260 | 5.0 | 733 | 4.0325503 |
| 1073 | 4.252471 | 832 | 4.0324974 |
| 50872 | 4.163188 | 1240 | 4.0 |
| 86 | 4.048914 | 2355 | 4.0 |
由于数据集大小及内容限制，本示例仅有参考作用。以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围。
Claims (4)
1.一种针对大学生群体的信息资源自动推荐方法，其特征在于包括以下步骤：
步骤一，获取用户数据和需要推荐的数据；
步骤二，采用用户相似度模型计算基于用户评价矩阵的邻居集合；
步骤三，采用基于社交网络信息的相似度模型计算基于社交网络信息的邻居集合；
步骤四，根据两种邻居集合，计算出预测项目的得分，并对两个结果进行混合；
步骤五，筛选出评分最高的TOP-N项目，得出推荐结果。
2.根据权利要求1所述的一种针对大学生群体的信息资源自动推荐方法，其特征在于所述步骤二具体包括以下过程：
过程2.1，采用基于皮尔森相关系数的相似度模型，利用式(1)计算出用户u，ν的相似度w(u,v)；
<mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>&cap;</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>u</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>r</mi>
<mi>u</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>v</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>r</mi>
<mi>v</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>&cap;</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>u</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>r</mi>
<mi>u</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>&cap;</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>v</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>r</mi>
<mi>v</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，I(u)表示用户u所标注的项目集合，rui表示用户u对项目i的标注，表示用户u在所有项目上标注的均值；I(v)表示用户v所标注的项目集合，rvi表示用户v对项目i的标注，表示用户v在所有项目上标注的均值；
过程2.2，根据过程2.1所述相似度，结合式(2)得出基于用户评价矩阵的邻居集合Pu；
其中，表示相似度阈值，U为所有用户的集合。
3.根据权利要求1所述的一种针对大学生群体的信息资源自动推荐方法，其特征在于所述步骤三具体包括以下过程：
过程3.1，建立基于社交网络信息的相似度模型，如式(3)所示；
simsocial(u,v)＝α*siminteract(u,v)+β*simf(u,v) (3)
其中，α，β分别表示了各自的权重且α+β＝1，siminteract(u,v)表示基于用户交互的相似度，由式(3-1)得出，simf(u,v)表示基于用户社交关系网的相似度，由式(3-2)得出；
<mrow>
<msub>
<mi>sim</mi>
<mrow>
<mi>int</mi>
<mi>e</mi>
<mi>r</mi>
<mi>a</mi>
<mi>c</mi>
<mi>t</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msub>
<mi>f</mi>
<mrow>
<mi>u</mi>
<mi>v</mi>
</mrow>
</msub>
<mrow>
<msub>
<mi>max</mi>
<mrow>
<msup>
<mi>v</mi>
<mo>&prime;</mo>
</msup>
<mo>&Element;</mo>
<msub>
<mi>F</mi>
<mi>u</mi>
</msub>
</mrow>
</msub>
<msub>
<mi>f</mi>
<mrow>
<msup>
<mi>uv</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，fuv为用户u，v互动频次，fuv′为用户u，v′互动频次，Fu是所有与u互动过用户的集合；
<mrow>
<msub>
<mi>sim</mi>
<mi>f</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>u</mi>
<mi> </mi>
<mi>f</mi>
<mi>o</mi>
<mi>l</mi>
<mi>l</mi>
<mi>o</mi>
<mi>w</mi>
<mi> </mi>
<mi>v</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
过程3.2，根据过程3.1所建立的基于社交网络信息的相似度模型，由式(4)计算出邻居集合Su；
Su＝{v|v∈U且simsocial(u,v)>γ} (4)
其中，γ表示相似度阈值。
4.根据权利要求1所述的一种针对大学生群体的信息资源自动推荐方法，其特征在于所述步骤四具体包括以下过程：
过程4.1，根据基于用户评价矩阵的邻居集合Pu，由式(5)计算得分scorers；
<mrow>
<msub>
<mi>score</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<msub>
<mi>P</mi>
<mi>u</mi>
</msub>
</mrow>
</msub>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>v</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<msub>
<mi>P</mi>
<mi>u</mi>
</msub>
</mrow>
</msub>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
过程4.2，根据基于社交网络信息的邻居集合Su，由式(6)计算得分scoress；
<mrow>
<msub>
<mi>score</mi>
<mrow>
<mi>S</mi>
<mi>S</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<msub>
<mi>S</mi>
<mi>u</mi>
</msub>
</mrow>
</msub>
<msub>
<mi>sim</mi>
<mrow>
<mi>s</mi>
<mi>o</mi>
<mi>c</mi>
<mi>i</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>v</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<msub>
<mi>S</mi>
<mi>u</mi>
</msub>
</mrow>
</msub>
<msub>
<mi>sim</mi>
<mrow>
<mi>s</mi>
<mi>o</mi>
<mi>c</mi>
<mi>i</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
过程4.3，根据式(5)基于用户评价矩阵的邻居集合Pu所计算出的得分scorers、式(6)基于社交网络信息的邻居集合Su所计算出的得分scoress，由式(7)混合，最终得出用户u对项目i的预测得分rui；；
rui＝θ*scorers+(1-θ)*scoress (7)
其中，θ为可控调优参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711036433.2A CN107862012A (zh) | 2017-10-30 | 2017-10-30 | 一种针对大学生群体的信息资源自动推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711036433.2A CN107862012A (zh) | 2017-10-30 | 2017-10-30 | 一种针对大学生群体的信息资源自动推荐方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107862012A true CN107862012A (zh) | 2018-03-30 |
Family
ID=61697562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711036433.2A Pending CN107862012A (zh) | 2017-10-30 | 2017-10-30 | 一种针对大学生群体的信息资源自动推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107862012A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376301A (zh) * | 2018-10-09 | 2019-02-22 | 新乡学院 | 一种融合社交信息的个性化推荐方法 |
| CN109656541A (zh) * | 2018-11-20 | 2019-04-19 | 东软集团股份有限公司 | 开发资源的推荐方法、装置、存储介质和电子设备 |
| CN110008406A (zh) * | 2019-04-04 | 2019-07-12 | 中国石油大学(华东) | 一种基于相似社区的舆情个性化推荐算法 |
| CN110147853A (zh) * | 2019-02-26 | 2019-08-20 | 国网吉林省电力有限公司 | 一种用于电网调控仿真培训的测试教案生成方法及系统 |
| CN110457583A (zh) * | 2019-08-11 | 2019-11-15 | 新乡元创智能控制技术研究院有限公司 | 基于用户信任度的个性化推荐方法 |
| CN112231586A (zh) * | 2020-12-15 | 2021-01-15 | 平安科技（深圳）有限公司 | 基于迁移学习的课程推荐方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105354260A (zh) * | 2015-10-22 | 2016-02-24 | 中南大学 | 一种融合社会网络和项目特征的移动应用推荐方法 |
| CN106570090A (zh) * | 2016-10-20 | 2017-04-19 | 杭州电子科技大学 | 基于兴趣变化和信任关系的协同过滤推荐方法 |
| CN106874355A (zh) * | 2016-12-28 | 2017-06-20 | 浙江浙大网新集团有限公司 | 同时融入社交关系和用户相似度的协同过滤方法 |
-
2017
- 2017-10-30 CN CN201711036433.2A patent/CN107862012A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105354260A (zh) * | 2015-10-22 | 2016-02-24 | 中南大学 | 一种融合社会网络和项目特征的移动应用推荐方法 |
| CN106570090A (zh) * | 2016-10-20 | 2017-04-19 | 杭州电子科技大学 | 基于兴趣变化和信任关系的协同过滤推荐方法 |
| CN106874355A (zh) * | 2016-12-28 | 2017-06-20 | 浙江浙大网新集团有限公司 | 同时融入社交关系和用户相似度的协同过滤方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376301A (zh) * | 2018-10-09 | 2019-02-22 | 新乡学院 | 一种融合社交信息的个性化推荐方法 |
| CN109656541A (zh) * | 2018-11-20 | 2019-04-19 | 东软集团股份有限公司 | 开发资源的推荐方法、装置、存储介质和电子设备 |
| CN110147853A (zh) * | 2019-02-26 | 2019-08-20 | 国网吉林省电力有限公司 | 一种用于电网调控仿真培训的测试教案生成方法及系统 |
| CN110008406A (zh) * | 2019-04-04 | 2019-07-12 | 中国石油大学(华东) | 一种基于相似社区的舆情个性化推荐算法 |
| CN110457583A (zh) * | 2019-08-11 | 2019-11-15 | 新乡元创智能控制技术研究院有限公司 | 基于用户信任度的个性化推荐方法 |
| CN112231586A (zh) * | 2020-12-15 | 2021-01-15 | 平安科技（深圳）有限公司 | 基于迁移学习的课程推荐方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107862012A (zh) | 一种针对大学生群体的信息资源自动推荐方法 | |
| Carlson et al. | Boundary work | |
| Baym | Creator culture: An introduction to global social media entertainment | |
| CN109255033B (zh) | 一种基于位置服务领域的知识图谱的推荐方法 | |
| Cranefield et al. | Rethinking lurking: Invisible leading and following in a knowledge transfer ecosystem | |
| Magnini | Practicing effective knowledge sharing in international hotel joint ventures | |
| Munoriyarwa et al. | Artificial intelligence practices in everyday news production: The case of South Africa’s mainstream newsrooms | |
| Dawot et al. | A review of features and functional building blocks of social media | |
| Sun et al. | Towards massive data and sparse data in adaptive micro open educational resource recommendation: a study on semantic knowledge base construction and cold start problem | |
| Giwa et al. | Empirical analysis of the effects of foreign direct investment inflows on Nigerian real economic growth: Implications for sustainable development goal-17 | |
| Mackay | Social Media Analytics: Implications for Journalism and Democracy 1 | |
| Huang et al. | Revisiting media selection in the digital era: adoption and usage | |
| Cartwright et al. | The development of B2B social networking capabilities | |
| Jacobsen et al. | Springboard to an academic career—A national medical student research program | |
| Luo et al. | Driving rural industry revitalization in the digital economy era: Exploring strategies and pathways in China | |
| Adanlawo et al. | Internal corporate communication as a public relations function to improve organisational reputation | |
| Medina et al. | International connectivity in the generation of information and communication technology (ICT) in Spain | |
| Zhang et al. | Obscure but important: examining the indirect effects of alliance networks in exploratory and exploitative innovation paradigms | |
| Di Bitonto et al. | Recommendation in e-learning social networks | |
| Hodson et al. | Sharing sustainability stories: Case study of social media content curation for Canada research connections | |
| Sirrianni et al. | An opinion diversity enhanced social connection recommendation re-ranking method based on opinion distance in cyber argumentation with social networking | |
| Rizvi | Asian diaspora advantage in the changing Australian economy | |
| Zhang et al. | Contract theory-based incentive mechanism for full duplex cooperative noma with swipt communication networks | |
| Barczak | Innovation research: What's next? | |
| CN106354858A (zh) | 一种基于标签聚类的信息资源推荐方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180330 |