报告题目：基于三角模糊数的相似度在隐式社交推荐系统的试验研究

报告时间：2019年12月14日，星期六，19:00-21:00

报告地点：数学楼二层2-3会议室 

报告摘要：

由于社交网站的普及，最近社交关系的推荐问题引起了广泛关注。之前文献的实验表明，社交信息在改进传统推荐算法方面非常有效。但是，在大多数推荐系统中，并非都能获得到明确的社交信息，这限制了推荐系统的效果。

为了提高推荐效果，我们研究以下两个研究问题：（1）在某些没有显式社交信息的系统中，我们是否仍可以使用隐式社交信息来改进推荐系统？（2）相似度是是评价社交推荐系统的重要指标，我们是否可以使用更均匀测量方式，能够更准确的反映用户之间的关系？

为了回答这两个问题，我们对推荐数据集进行了全面的实验分析。结果表明：（1）隐含的用户和物品社交信息，包括相似和不相似的关系，可用于改进传统推荐方法。（2）为了使相似度分布均匀，提出了一种测量三角形模糊数的新方法，该方法考虑了形状的无关面积和两个三角形模糊数的中点。结果表明，基于三角模糊数的隐式社交推荐系统准确性较高。

报告人简介：

韩迪，毕业于澳门科技大学计算机科学及其应用专业博士，香港理工大学科研助理。现任职广东金融学院专任教师（副教授），同时担任开源中国技术顾问。拥有近20年的软件开发经验。比较早Android实践者之一，对移动开发和机器学习有深入的研究，曾出版有关网络和移动开发多本畅销书。现研究方向：移动互联网、推荐系统。