推荐系统论文笔记（6）：Social Recommendation: A Review

一、基本信息

论文题目：《Social Recommendation: A Review》

发表时间：2013

论文作者及单位：Jiliang Tang,Xia Hu,Huan Liu  (Arizona State University)

论文地址：https://link.springer.com/article/10.1007/s13278-013-0141-9

我的评分：4颗星

 

二、摘要

社会化推荐近年来受到了越来越多的关注，一个人的偏好总是与和他存在社会关系的人相似或者受到后者的影响,因此在推荐系统中引入社会会关系对提高推荐准确率具有重要意义。这篇文章回顾了现存的社会化推荐系统，并对能提高推荐性能的方向进行了讨论。文章开头先形式化地定义了社会化推荐，和它与传统推荐方法的比较。之后将现存的社会化推荐系统分为了基于模型和基于记忆两类，最后介绍了社会化推荐系统的优点与缺点，并对可能改进的方向进行了讨论。

 

三、论文的工作

1、对社会化推荐给出了狭义和广义的定义以覆盖绝大多数现存的文献中的定义，并找出了社会化推荐独一无二的优点。

2、对社会化推荐系统进行了分类

3、总结了应用社会化推荐取得的积极地经验与失败的经验

4、讨论了该领域可以提高的方向，包括：成分混杂的社交网络与弱依赖连接、用户和物品细分、现存的信息评分与社会信息方法、理解消极关系扮演的角色、跨媒体社交网络

 

四、论文笔记

1、一个用户的偏好与和他亲近的人更为相似

2、除了推荐系统，社会化推荐系统对研究社会网络也很有帮助

3、现存的社会化推荐系统多由在协同过滤方法上引入社会信息构成

4、社会化推荐系统能部分解决数据稀疏和冷启动问题

5、社会化推荐系统具有一定的可迁移性

6、社会化推荐存在的缺点

• 很难通过网络上的“互粉”来判断两者存在何种社会关系
• 能获得的社交关系也有着数据稀疏的问题
• 成功的社会化推荐例子中使用的都是被用户“信任”的人的数据，但如何不同应用场景如何定义“信任”是个很难的问题

7、社会化推荐系统可提高的方向

 

四、总结

社会化推荐系统值得是在传统的协同过滤推荐系统中，引入用户的社会化信息，以期能够从用户的社交网络中发现用户感兴趣的物品并进行推荐，他的产生与发挥效果背后的原理是“物以类聚，人以群分”以及消费者在购买一件物品时往往会向身边人咨询意见，这篇文章发表的时候社会化推荐处于刚起步阶段，因此看完后不像前几篇综述一样感觉学到了很多新的知识，文章中大部分内容都是已有的协同过滤推荐系统的知识。