Recommender systems based on multiple social networks correlation

به عنوان توسعه شبکه های اجتماعی، روش پیشنهاد اجتماعی، فن آوری فیلترینگ اطلاعاتی موثر بر اساس قانون جامعه شناسی و نظریه شبکه، بهبود عملکرد سیستم پیشنهاد و مشکل شروع سرد است. همبستگی عمیق داده ها و توسعه متنوع پلت فرم اجتماعی، ارتباط اجتماعی بین کاربران پیچیده تر می شود. پیچیدگی شبکه های چندگانه اجتماعی، توصیه های اجتماعی را به چالش می کشد. با این حال، اکثر روش های پیشنهادی اجتماعی که بر روی شبکه اجتماعی تک تمرکز می کنند، و روش های توصیه چند لایه، نادیده گرفتن غیر خطی و اتصال بین روابط اجتماعی مختلف را نادیده می گیرند. برای مقابله با این مشکلات، ما یک مدل تقسیم بندی ماتریسی احتمالی را برای چارچوب توصیه مشترک مشترک چند شبکه ای بر اساس توزیع احتمالی مشترک پیشنهاد می کنیم. این مدل، انواع مختلفی از شبکه های اجتماعی کلاسیک و عملکرد توزیع شباهت های ترجیحات کاربر را تحلیل می کند. سپس ما یک مدل پیشنهاد یکپارچه را براساس شبکه های اجتماعی ارائه می دهیم، و همچنین روش پیشنهاد مشترک مشترک شبکه های گسترده چند منظوره. نتایج تجربی در مقایسه با الگوریتم های توصیه شده مربوط به اجتماعی نشان داده شده است؛ روش ما بر روی برخی شاخص های ارزیابی مانند دقت و خطاها بهتر عمل می کند.