论文笔记：SoRec: Social Recommendation Using Probabilistic Matrix Factorization

一、基本信息

论文题目：《SoRec: Social Recommendation Using Probabilistic Matrix Factorization》

发表时间：CIKM 2008

论文作者与单位：

论文地址：https://dl.acm.org/citation.cfm?id=1458205

 

二、摘要

       数据稀疏性、可扩展性和预测质量已被公认为每个协同过滤算法或推荐系统面临的三个最关键的挑战。许多现有的推荐系统方法既不能处理非常大的数据集，也不能轻松地处理评级很少甚至根本没有评级的用户。此外，传统的推荐系统假定所有的用户都是独立的、分布相同的；这种假设忽略了用户之间的社会互动或联系。鉴于在线社交网络产生的信息呈指数级增长，因此，社交网络分析对于许多网络应用程序来说变得越来越重要。本文根据人们的社交网络对网络上个人行为的影响的直觉，提出了一种基于概率矩阵法的因子分析方法，利用用户的社交网络信息和评分记录，解决了数据稀疏和预测精度差的问题。复杂度分析表明，我们的方法可以应用于非常大的数据集，因为它与观测的数量成线性关系，而实验结果表明，我们的方法比最先进的方法性能要好得多，特别是在用户评分很少或没有评分的情况下。

 

三、论文主要内容与工作

1、原有的基于记忆等方式的协同过滤算法存在数据稀疏和冷启动等难以解决的问题，而将用户的社交关系引入推荐对解决这些问题具有很大的帮助，本文提出了一种基于PMF的社交网络结构与用户项目评分矩阵相结合的方法。我们通过共享的用户潜在特征空间将这两种不同的数据资