融合社交信息的矩陣分解推薦方法研究綜述

　　隨著社交網(wǎng)絡(luò)的發(fā)展，融合社交信息的推薦成為推薦領(lǐng)域中的一個(gè)研究熱點(diǎn)，基于矩陣分解的協(xié)同過(guò)濾推薦方法（簡(jiǎn)稱為矩陣分解推薦方法）因其算法可擴(kuò)展性好及靈活性高等諸多特點(diǎn)，成為研究人員在其基礎(chǔ)之上進(jìn)行社交推薦模型構(gòu)建的重要原因，本文圍繞基于矩陣分解的社交推薦模型，依據(jù)模型的構(gòu)建方式對(duì)社交推薦模型進(jìn)行綜述，在實(shí)際數(shù)據(jù)上對(duì)已有代表性社交推薦方法進(jìn)行對(duì)比，分析各種典型社交推薦模型在不同視角下的性能（如整體用戶、冷啟動(dòng)用戶、長(zhǎng)尾物品）．最后，分析基于矩陣分解的社交推薦模型及其求解算法存在的問(wèn)題，并對(duì)未來(lái)研究方向與發(fā)展趨勢(shì)進(jìn)行了展望。