مقاله #1075

چکیده

توصیه کردن، یک مساله مهم و چالش برانگیز در شبکه های اجتماعی آنلاین است. توصیه کردن، نه تنها نیازمند توجه به علایق شخصی کاربران است، بلکه توجه به روابط اجتماعی بین کاربران را نیز می طلبد. در واقع، در عمل، کاربران اغلب مایلند توصیه های دوستان یا رهبران عقیده (کاربران با اعتبار بالا) را بپذیرند. در این مقاله، ما چارچوب توصیه ی جدیدی را ارائه می دهیم: توصیه های اجتماعی با استفاده از شهرت رتبه بندی جهانی و شباهت رتبه بندی محلی، که شهرت کاربر و شباهت اجتماعی را بر اساس رتبه بندی ترکیب می کند. شهرت کاربر را می توان با تکرار محاسبه همبستگی رتبه بندی های تاریخی کاربر و ویژگی های ذاتی آیتم‌ها بدست آورد. ما اعتبار کاربر را نفوذ جهانی کاربر و شباهت بر اساس رتبه بندی رابطه اجتماعی را نفوذ محلی کاربر در نظر می گیریم و آن را در مدل توصیه گر اجتماعی عمومی معرفی می کنیم. بنابراین کاربران با شهرت بالا تأثیر بالایی بر دیگران دارند و از سوی دیگر، اثر یک کاربر با شهرت کم تضعیف می شود. دقت توصیه ی چارچوب پیشنهادی را می توان با حذف رأی های کاربرانی که کمتر سختگیر هستند و تقویت نفوذ کاربران با شهرت بالا بهبود بخشید. ما همچنین شباهت بر مبنای رتبه بندی‌ها را با اجتناب از تشابه بالا در رتبه های رایج بین دوستان بهبود می بخشیم. ما رویکرد خود را در سه مجموعه داده شامل Movielens، Epinions و Douban ارزیابی می کنیم. نتایج تجربی نشان می دهد که چارچوب پیشنهادی، بهبود قابل توجهی در دقت توصیه بدست می دهد. شهرت کاربران و شباهت های محلی که هر دو براساس رتبه بندی هستند، در بهبود دقت پیش بینی بسیار مفید هستند. شهرت همچنین می تواند با مجموعه های آموزشی کوچک به بهبود دقت توصیه کمک کند.