摘要: 传统的基于用户的协同过滤(User-based CF)推荐算法的推荐效率随着数据的不断增加而降低.本文在User-based CF算法中引入二分网络社团发现理论,提出一种基于二分网络社团划分的推荐算法(RACD).首先通过用户与项目之间的关系建立用户-项目二分网络,然后通过RACD对该网络进行社团划分,得到用户的社团信息,最后通过同一社团中的其他用户对目标用户进行项目的推荐.在经典网络数据集上的实验结果表明,RACD能够有效提高推荐系统实时推荐效率.
中图分类号:
陈东明, 严燕斌, 黄新宇, 王冬琦. 基于二分网络社团划分的推荐算法[J]. 东北大学学报:自然科学版, 2018, 39(8): 1103-1107.
CHEN Dong-ming, YAN Yan-bin, HUANG Xin-yu, WANG Dong-qi. Recommendation Algorithm Based on Community Detection in Bipartite Networks[J]. Journal of Northeastern University Natural Science, 2018, 39(8): 1103-1107.