一、社会化推荐的优点

1、好友推荐可以增加推荐的信任度

用户不一定会相信计算机的智能，但会相信好朋友的推荐，比如基于物品的协同过滤算法，会因为用户之前看过《射雕英雄传》而给用户推荐《神雕侠侣》，而好友推荐会说你有八个好友都非常喜欢看《神雕侠侣》，显然第二种解释更让顾客心动，从而购买《神雕侠侣》。

当新用户登陆网站或使用产品时，可以从社交网络中获取好友列表，从而给用户推荐好友喜欢的东西，在没有用户行为记录的情况下为用户提供较高质量的推荐结果。

如果给定一个社交网络和用户行为的数据集，其中社交网络定义了用户的好友关系，用户行为数据集定义了不同用户的历史行为和兴趣数据，那么最简单的算法就是给用户推荐好友喜欢的物品集合。

用户u对物品i的兴趣pui可以通过如下公式计算：

$pui =\sum_{v\in out(u)} r vi$

out(u) : 用户u的好友集合

rvi: 如果用户v喜欢物品i则rvi=1,否则rvi=0

不同的好友与用户u之间的熟悉程度和兴趣相似度也是不同的，在推荐算法中应该考虑好友和用户的熟悉程度和兴趣相似度：

$pui = \sum_{v\in out(u)} \omega uv\bullet rvi$

wuv: 用户u与用户v的之间的熟悉程度 + 兴趣相似度

熟悉程度：一般来说，用户更信任自己熟悉的朋友的推荐，熟悉程度可以通过用户之间共同好友 比例来衡量，也就是说u和v很熟悉的话，他两应该有很多共同好友

familiarity(u,v) = $|out(u)\cap out(v)|/|out(u)\cup out(v)|$

兴趣程度：除了考虑熟悉程度还要考虑兴趣相似度，比如哦哦们和父母的熟悉程度很高，但是兴趣却有很大不同，兴趣相似度可以通过与userCF类似的方法度量，也就说两个人兴趣相似度高的话，那么他们喜欢的物品的重合度应该很高

similarity(u,v) = $|N(u)\cap N(v)| / |N(u)\cup N(v)|$

N(u) 指用户u喜欢的物品集合

社会化推荐的逻辑代码如下：