初始配置对基于网络的推荐的影响
摘要：基于加权对象网络，我们提出了一种敏感于初始资源分配配置的推荐算法。即使在二进制资源的最简单情况下，该算法的准确度也明显高于广泛应用的全局排名方法和协同过滤方法。此外，我们引入了一个自由参数eta来调节资源的初始配置。数值结果表明，减少分配给热门对象的初始资源可以进一步提高算法的准确度。更重要的是，我们认为一个更好的算法应该同时具有更高的准确度和个性化程度。根据一个新提出的个性化程度度量标准，我们证明了度数相关的初始配置在准确度和个性化强度上都能超越统一情况。
作者：Tao Zhou, Luo-Luo Jiang, Ri-Qi Su, and Yi-Cheng Zhang
论文ID：0711.2506
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2008-02-14