基于社会网络信息流模型的协同过滤算法

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (01): 270-0275.

基于社会网络信息流模型的协同过滤算法

万里^1,2, 廖建新^1,2, 王纯^1,2

1.北京邮电大学网络与交换技术国家重点实验室|北京 100876；2.东信北邮信息技术有限公司|北京 100083

收稿日期:2009-07-26 出版日期:2011-01-01 发布日期:2011-01-01
通讯作者: 廖建新（1965-），男，教授，博士生导师.研究方向:智能网技术.E-mail:liaojianxin@ebupt.com E-mail:liaojianxin@ebupt.com
作者简介:万里(1981-),男,博士研究生.研究方向:数据挖掘.E-mail:wanli@cqu.edu.com
基金资助:
国家杰出青年科学基金项目（60525110）；“973”国家重点基础研究发展规划项目（2007CB307100，2007CB307103）；新世纪优秀人才支持计划项目（NCET040111）；电子信息产业发展基金项目.

Social network information flow model based collaborative filtering algorithm

WAN Li^1,2, LIAO Jian-xin^1,2, WANG Chun^1,2,

1.State Key Laboratory of Networking and Switching Technology,Beijing University of Posts and Telecommunications, Beijing 100876, China;2.EBUPT Information Technology Co., Ltd, Beijing 100083, China

Received:2009-07-26 Online:2011-01-01 Published:2011-01-01

摘要/Abstract

摘要：

为提高个性化推荐技术的准确率，首先在多维半马氏过程的状态空间中定义“空状态”，得到扩展多维半马氏过程，将其与社会网络分析理论结合，得到社会网络信息流模型，该模型描述了社会网络成员间的信息流动过程。然后基于社会网络信息流模型，提出协同过滤算法SMRR（SemiMarkov and reward renewal）。实验表明，由于综合考虑用户自身偏好和社会网络中其他成员的影响，SMRR的预测准确率明显高于原有算法。

关键词: 通信技术, 协同过滤, 多维半马氏过程, 有偿半马氏模型, 社会网络, 电子商务

Abstract:

In order to improve the accuracy of personalized recommendation， “idle state” was firstly introduced into multi-dimension Semi-Markov process, therefore extended multi-dimension Semi-Markov process was obtained. Then by combing the extended multi-dimension Semi-Markov process with social network analysis theory, social network information flow model was established. This model describes the information flow process among social actors. Based on the social network information flow model, a collaborative filtering algorithm, Semi-Markov and Reward Renewal (SMRR), was proposed. Experiments demonstrate that, regarding accuracy, SMRR performs better than existed algorithms. Considering personalized behavior patterns of actors and the influence of interacting social actors together can improve the accuracy of personalized recommendation.

Key words: communication, collaborative filtering, multi dimension Semi Markov process, reward semi Markov model, social network, E commerce

中图分类号:

TN915

万里,廖建新,王纯,. 基于社会网络信息流模型的协同过滤算法[J]. 吉林大学学报(工学版), 2011, 41(01): 270-0275.

WAN Li, LIAO Jian-xin, WANG Chun,. Social network information flow model based collaborative filtering algorithm[J]. 吉林大学学报(工学版), 2011, 41(01): 270-0275.

参考文献

相关文章 15

[1]	周彦果,张海林,陈瑞瑞,周韬. 协作网络中采用双层博弈的资源分配方案[J]. 吉林大学学报(工学版), 2018, 48(6): 1879-1886.
[2]	孙晓颖, 扈泽正, 杨锦鹏. 基于分层贝叶斯网络的车辆发动机系统电磁脉冲敏感度评估[J]. 吉林大学学报(工学版), 2018, 48(4): 1254-1264.
[3]	董颖, 崔梦瑶, 吴昊, 王雨后. 基于能量预测的分簇可充电无线传感器网络充电调度[J]. 吉林大学学报(工学版), 2018, 48(4): 1265-1273.
[4]	牟宗磊, 宋萍, 翟亚宇, 陈晓笑. 分布式测试系统同步触发脉冲传输时延的高精度测量方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1274-1281.
[5]	丁宁, 常玉春, 赵健博, 王超, 杨小天. 基于USB 3.0的高速CMOS图像传感器数据采集系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1298-1304.
[6]	陈瑞瑞, 张海林. 三维毫米波通信系统的性能分析[J]. 吉林大学学报(工学版), 2018, 48(2): 605-609.
[7]	张超逸, 李金海, 阎跃鹏. 双门限唐检测改进算法[J]. 吉林大学学报(工学版), 2018, 48(2): 610-617.
[8]	关济实, 石要武, 邱建文, 单泽彪, 史红伟. α稳定分布特征指数估计算法[J]. 吉林大学学报(工学版), 2018, 48(2): 618-624.
[9]	李炜, 李亚洁. 基于离散事件触发通信机制的非均匀传输网络化控制系统故障调节与通信满意协同设计[J]. 吉林大学学报(工学版), 2018, 48(1): 245-258.
[10]	曹婧华, 孔繁森, 冉彦中. 面向服务推荐的QoS成列协同排序算法[J]. 吉林大学学报(工学版), 2018, 48(1): 274-280.
[11]	孙晓颖, 王震, 杨锦鹏, 扈泽正, 陈建. 基于贝叶斯网络的电子节气门电磁敏感度评估[J]. 吉林大学学报(工学版), 2018, 48(1): 281-289.
[12]	武伟, 王世刚, 赵岩, 韦健, 钟诚. 蜂窝式立体元图像阵列的生成[J]. 吉林大学学报(工学版), 2018, 48(1): 290-294.
[13]	袁建国, 张锡若, 邱飘玉, 王永, 庞宇, 林金朝. OFDM系统中利用循环前缀的非迭代相位噪声抑制算法[J]. 吉林大学学报(工学版), 2018, 48(1): 295-300.
[14]	王金鹏, 曹帆, 贺晓阳, 邹念育. 基于多址干扰和蜂窝间互扰分布的多载波系统联合接收方法[J]. 吉林大学学报(工学版), 2018, 48(1): 301-305.
[15]	石文孝, 孙浩然, 王少博. 无线Mesh网络信道分配与路由度量联合优化算法[J]. 吉林大学学报(工学版), 2017, 47(6): 1918-1925.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed