资源描述：
《基于全局相似度的社交网络个性化推荐算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、（录用定稿）网络首发时间:2017-10-2716:40:47GB/T7714-2015格式参考文献：张艺豪;李梁;赵清华;马建芬;段倩倩.基于全局相似度的社交网络个性化推荐算法[J/OL].计算机工程,:1-9.(2017-10-27).http://kns.cnki.net.hebeu.vpn358.com/kcms/detail/31.1289.tp..1640.008.html.基于全局相似度的社交网络个性化推荐算法张艺豪李梁赵清华马建芬段倩倩太原理工大学信息工程学院&新型传感器和智能控制教育部(山西)重点实验室微纳系统研究中心太原师范学院管理系导出/参考文献已关注关注X关注
2、成功！加关注后您将方便地在我的关注中得到本文献的被引频次变化的通知！分享·新浪微博·腾讯微博·人人网·开心网·豆瓣网·网易微博收藏打印摘 要：随着电子商务高速发展,个性化推荐系统成为解决互联网信息过载的重要手段。社交网络推荐算法在概率矩阵分解基础上利用社交网络用户之间信任关系作为额外信息,很好地解决了数据稀疏和冷启动问题。本文在社交网络推荐算法基础上,挖掘项目之间的全局相似度以及分析用户之间信任的可靠度,提出一种刻画商品之间的全局相似度,并进一步结合社交网络关系的个性化推荐算法。在Filmtrust数据集与Ciao数据集上的大量实验表明,本文提出的改进算法在推荐准确性上有了很大
3、的提高。关键词：推荐系统;个性化推荐;社交网络;数据挖掘;机器学习;作者简介：张艺豪,性别男,太原理工大学硕士研究生,出生年月1993年12月5号。主要研究个性化推荐系统,模式识别。作者简介：李梁,太原师范学院管理学院讲师。作者简介：赵清华,太原理工大学信息工程学院副教授。作者简介：马建芬,太原理工大学计算机工程学院副教授。作者简介：段倩倩,太原理工大学信息工程学院副教授收稿日期：2017-09-21基金：国家自然科学基金()PersonalizedrecommendationalgorithmofsocialnetworkbasedonglobalsimilarityZHAOQin
4、g-huaLILiangZHANGYi-haoMAJian-fenDUANQian-qianMicroNanoSystemResearchCenter,CollegeofInformationEngineering&KeyLabofAdvancedTransducersandIntelligentControlSystem(MinistryofEducation),TaiyuanUniversityofTechnology;TaiyuanNormalUniversity,ManagementDepartment;Abstract：Withtherapiddevelopmentofe-
5、commerce,personalizedrecommendationsystemhasbecomeanimportantapproachtosolvetheInternetinformationoverload.Thesocialnetworkrecommendationalgorithmsolvestheproblemofdatasparseandcoldstartbyusingthetrustrelationbetweenusersasadditionalinformationonthebasisofprobabilitymatrixdecomposition.Basedont
6、hesocialnetworkrecommendationalgorithm,weexploittheglobalsimilarity,analysetheusertrustreliabilityandproposedournovelalgorithmwithglobalitemsimilarityassideinformation.AlargenumberofexperimentsonFilmtrustdatasetsandCiaodatasetsshowthattheproposedalgorithmachieveshigheraccuracy.Keyword：recommend
7、ersystem;personalizedrecommendation;socialnetwork;datamining;machinelearning;Received：2017-09-211概述随着互联网高速发展,用户面对海量互联网资源一时难以搜索到自己的精确需求,推荐系统能够提升用户体验,能很好地解决信息过载[1]问题,了解不同用户的个人喜好并推荐给用户潜在需求商品。电子商务网站如亚马逊,天猫网站都搭建了自己的个性化推荐系统并获得了不少的收入增益。由
