一、基本信息
论文题目:《Social networking meets recommender systems:survey》
发表时间:International Journal of Social Network Mining, 2015, 2 (1), pp. 64 - 100
论文作者及单位:Guandong Xu(University of Technology);
Zhiang Wu(南京财经大学);
Yanchun Zhang(Victoria University);
Jie Cao(南京财经大学)
论文地址:https://opus.lib.uts.edu.au/handle/10453/36579
我的评分:4颗星
二、摘要
这篇综述和前面的6、7号笔记中的文章一样,介绍的都是关于把社交关系引入推荐系统,但前两篇文章发表时间于2013与2014,本篇文章发表于2015因此在前两篇文章的基础上增加补充了该领域最新的一些进展。
三、论文的工作与主要内容
1、综述采用kNN算法进行相似度度量的原理
2、综述推荐系统领域两种主流的方法:基于内容推荐与基于协同过滤推荐
3、协同过滤中的两个前沿方向:neighbourhood methods和latent factor models,并详细介绍了这两种模型
4、介绍了一些社交网络研究的分支与最前沿的动态
- 社区发现
- 基于全局模型的社区发现
- 不基于全局模型的社区发现
- 社区抽取
- 社区评估
- 社交网络的时序分析
- 社区进化
- 链接预测
- 话题进化
- 时空分析
- 社会影响分析
- 同质性
- 信息传播
- 最大影响
- 其他一些分支
- 在社交网络中的在线广告
- 社会性垃圾邮件检测
6、将社交网络进入推荐系统的一些方法
四、总结
【推荐系统论文笔记(11)(Social networking meets recommender systems:survey)】本篇论文从社交网络的原理与最新研究切入,系统地介绍了将社交网络引入推荐系统的办法和优点。