×
比塔·沙姆斯;萨曼哈拉提扎德

Sibrank：基于邻里协作排名的签名二方网络分析。 （英语） Zbl 1400.62043号

物理A 458, 364-377 (2016).
摘要：协作排名是推荐系统的一个新兴领域，它利用用户的偏好数据而非评级值。不幸的是，尽管基于邻居的协作排名具有更大的灵活性和合理性，但却很少受到关注。本文提出了一个新的框架，称为SibRank，旨在改进最先进的基于邻域的协作排名方法。SibRank将用户的偏好表示为一个签名的二分网络，并通过一种新的签名网络中的个性化排序算法来查找相似的用户。

引用于2文件

MSC公司：

62F07型 统计排名和选择程序
68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等）

关键词：

推荐系统;合作排名;签名网络;相似性度量;偏好数据;个性化排名

软件：

极性等级;VS等级;路径等级;特征秩;WSRank公司;CLiMF公司;Folkommender公司;关心;SibRank公司
PDF格式BibTeX公司 XML格式引用
\textit{B.Shams}和\textit{S.Haratizadeh}，物理A 458，364--377（2016；Zbl 1400.62043）
全文： 内政部 arXiv公司

参考文献：

[1] Weimer，M。；Karatzoglou，A.，协作排名的最大边际矩阵分解，（神经信息处理系统进展（2007）），1-8
[2] 刘，N。；Yang，Q.，EigenRank：以排名为导向的协同过滤方法，（第31届国际ACM SIGIR信息检索研究与开发会议论文集（2008），ACM），83-90
[3] Shi，Y。；Larson，M。；Hanjalic，A.，《统一面向评级和面向排名的协作过滤以改进推荐》，Inform。科学。，229, 29-39 (2013)
[4] Koren，Y.，《时间动态协同过滤》，Commun。ACM，53，89-97（2010）
[5] Shi，Y。；卡拉佐格鲁，A。；Baltrunas，L.，Climf:学习通过协作式低is-more过滤最大化互惠排名，（第六届ACM推荐系统会议论文集（2012），ACM），139-146
[6] 沃尔科夫斯，M.N。；Zemel，R.S.，《17个参数的协作排名》（神经信息处理系统进展（2012）），2294-2302
[8] 王，S。；Sun，J。；Gao，B.J.，VSRank:基于排名的协作过滤的新框架，ACM Trans。智力。系统。Technol公司。（TIST），5，51（2014）
[9] 孟，L。；李，J。；Sun，H.，WSRank:web服务选择的协作排序方法，（2011年IEEE第11届计算机和信息技术国际会议（2011年），IEEE），103-108
[10] 杨，C。；魏，B。；吴杰。；Zhang，Y。；Zhang，L.，CARES:一个面向等级的CADAL推荐系统，（第九届ACM/IEEE-CS数字图书馆联合会议论文集（2009），ACM），203-212
[11] 风扇，C。；Lin，Z.，《基于等级的邻里协作排名》（Web Technologies and Applications，2013），第770-781页
[12] Ukkonen，A.，链的聚类算法，J.Mach。学习。第121389-1423号决议（2011年）·Zbl 1280.68209号
[14] 周，T。；Ren，J。；梅多，M。；张毅，二元网络投影与个人推荐，物理。E版，76（2007），6115-1:7
[15] 张，Z.-K。；周，T。；Zhang，Y.-C.，通过用户-项目-标签三分图的集成扩散实现个性化推荐，Physica A，389，179-186（2010）
[16] Lee，S。；南帕克。；Kahng，M.（卡亨，M.）。；Lee，S.，PathRank：灵活混合推荐系统异构图上的节点排序，专家系统。申请。，40, 684-697 (2013)
[17] 向，L。；袁，Q。；赵，S。；Chen，L。；张，X。；Yang，Q.，通过长期和短期偏好融合对图形的时间建议，（第16届ACM SIGKDD国际知识发现和数据挖掘会议论文集。第16届AC M SIGKDD国际知识发现与数据挖掘会议文献集，KDD’10（2010），ACM出版社），723-731
[19] Guha，R。；H路。；Jose，S。；路，H。；Jose，S。；Drive，R.，《信任和不信任的传播》，（第13届万维网国际会议论文集（2004年），ACM），403-412
[21] 克鲁兹，F.L。；Vallejo，C.G。；Enríquez，F。；Troyano，J.A.，《极性等级：在网络中寻找追随者和反对者之间的平衡》，Inf.Process。管理。，48, 271-282 (2012)
[23] 特拉格，V.A。；Nesterov，Y.E。；Van Dooren，P.，《指数排名：考虑负面联系》，（计算机科学讲义（2010）），192-202年
[24] 沙赫里亚里，M。；Jalili，M.，《签名社交网络中的排名节点》，Soc.Netw。分析。最小值4172（2014）
[25] Kim，H.-N。；布洛斯，M。；El Saddik，A.，Folkommender：基于图形排序算法的群推荐系统，多媒体系统。，19, 509-525 (2012)
[26] 吴，Z。；阿加瓦尔，C.C。；Sun，J.，《签名网络排名的troll-trust模型》，（第九届ACM网络搜索和数据挖掘国际会议论文集。第九届AMM网络搜索与数据挖掘国际大会论文集，WSDM’16（2016），ACM出版社：美国纽约州纽约ACM出版社），447-456
[27] 贾瓦里，A。；Jalili，M.，《社交网络中基于集群的符号预测协同过滤（正负链接）》，ACM Trans。智力。系统。技术。，5 (2014)
[29] Ipsen，I.C.F.（国际货币基金组织）。；Wills，R.S.，谷歌PageRank的数学特性和分析，Bol。Soc.Esp.材料有限公司。，34, 191-196 (2006) ·Zbl 1242.65065号
[30] Balakrishnan，S。；Chopra，S.，协作排名，（第五届ACM网络搜索和数据挖掘国际会议论文集（2012），ACM），143-152
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。