推荐系统论文笔记（11）（Social networking meets recommender systems:survey）推荐系统综述

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
1. 基于全局模型的社区发现
2. 不基于全局模型的社区发现
3. 社区抽取
4. 社区评估
社交网络的时序分析
1. 社区进化
2. 链接预测
3. 话题进化
4. 时空分析
社会影响分析
1. 同质性
2. 信息传播
3. 最大影响
其他一些分支
1. 在社交网络中的在线广告
2. 社会性垃圾邮件检测

5、社交网络中将来可以研究的一些方向
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。