利用朋友关系和组员关系改进推荐系统

看了两篇关于社会化推荐的文章

1：Factorization vs . Regularization: Fusing  Heterogeneous Social Relationships in Top-N Recommendation. RecSys'11

2：Heterogeneous Data Fusion via Matrix Factorization for Augmenting Item, Group and Friend Recommendations. SAC'13

3：Recommending Interest Groups  to Social Media Users by  Incorporating  Heterogeneous Resources. IEA'13

第二、三篇文章是第一篇文章的扩展，第三篇只是实验部分多了豆瓣数据集

在第一篇文章中，作者探讨朋友关系和组员关系的不同，以及如何利用他们改进item的推荐，使用了last.fm的数据集。朋友关系是一元关系（只有用户）而组员关系是二元关系（用户和组）。

算法基于Matrix Factorization，作者通过实验发现朋友关系在MF模型中更适合用regularization, 而组员关系更适合用factorization。也就是说朋友关系用来做约束使得用户latent factor更接近于朋友的latent factor，而组员关系用collective matrix factorization。作者还发现组员关系对item recommendation的效果提高要比朋友关系要好。

在第二篇文章中，作者对item、friend、group都做了推荐。