本文介绍的是一个通用的基于贝叶斯网络的协同过滤算法，算法适用于社交网络类型的推荐系统——用户之间有交互关系，如关注关系、好友关系。在这个用户关系基础上建立贝叶斯网络模型实现推荐。以电影推荐为例，如果要预测一个用户对某个电影的评分情况，可以向该用户的好友发送查询，根据好友的评分估计目前用户的评分。

用户之间的评分相似度是以一系列条件概率来表示的。

评价模型采用最小平方误差（MSE）

对于如下社交网络结构，首先做一些定义：

      用图G=(V,E)表示该社交网络的关注关系，其中V是结点集合，E是边集合。，而u和v之间的评分相似度通过条件概率来表示：p(u|v)和p(v|u)，表示已知某好友的评分条件下，当前用户评分的概率分布。

      一个用户向其直接好友查询对于某个电影的评分，如果一个好友已经对该电影评分，则直接返回结果，如果没有评分，则继续向其好友发送查询。查询树的深度需要设定一个阈值。

(待续。。)

【INFOCOM 2011】Bayesian-inference Based Recommendation in Online Social Network.pdf