25、复杂网络推荐与简化模型解析

复杂网络推荐与简化模型解析

1. 基于相关性和斜率的邻居选择模型

在推荐系统领域，基于相关性和斜率的邻居选择模型有着重要的应用。通过对模型和最先进的协同过滤（CF）方法在 ML - 1M 数据集上的均方根误差（RMSE）进行比较（如图 1 所示），可以发现该模型具有显著优势。

从经验评估结果来看，该模型的准确性超越了其他最近邻（NNs）选择模型。其核心观点是，最近邻与活跃用户之间应具有强相关性和最小的影响差异。这也证实了利用推荐系统实体信息（如重要性程度）来识别合适的邻居，进而获得高质量推荐系统的重要性。