融合社交信息的矩阵分解推荐方法研究综述

　　随着社交网络的发展，融合社交信息的推荐成为推荐领域中的一个研究热点，基于矩阵分解的协同过滤推荐方法（简称为矩阵分解推荐方法）因其算法可扩展性好及灵活性高等诸多特点，成为研究人员在其基础之上进行社交推荐模型构建的重要原因，本文围绕基于矩阵分解的社交推荐模型，依据模型的构建方式对社交推荐模型进行综述，在实际数据上对已有代表性社交推荐方法进行对比，分析各种典型社交推荐模型在不同视角下的性能（如整体用户、冷启动用户、长尾物品）．最后，分析基于矩阵分解的社交推荐模型及其求解算法存在的问题，并对未来研究方向与发展趋势进行了展望。