月度归档:2015年04月

Trend prediction in temporal bipartite networks: the case of Movielens, Netflix, and Digg笔记

文章在进行流行性预测的方法主要是通过时序商品-用户二部图和社交网络,对每个item预测流行性分数,最后根据商品流行性分数进行排序。数据集:Netflix、Movielens和Digg(前两个随机选取rating超过20的user,保留其所有ratings。3分以上定为喜欢)。评价指标:Top 100商品的准确率(Pn)和Top 100商品的新颖商品预测准确率(Qn)。

继续阅读