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

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

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。