基于标签主题的协同过滤推荐算法研究

被引：21

作者：

文俊浩 ^{[1
,2
]}

袁培雷 ^{[1
,2
]}

曾骏 ^{[1
,2
]}

王喜宾 ^{[1
,2
]}

周魏 ^{[1
,2
]}

机构：

[1] 信息物理社会可信服务计算教育部重点实验室

[2] 重庆大学软件学院

来源：

计算机工程 | 2017年 / 43卷 / 01期

关键词：

标签主题; 协同过滤; 潜在Dirichlet分布模型; 个性化推荐; 相似度;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

传统基于标签的推荐算法仅考虑用户的评分信息,导致推荐准确度不高。为解决该问题,提出一种改进的协同过滤推荐算法。对用户-标签矩阵、资源-标签矩阵进行潜在Dirichlet分布建模,发掘推荐系统中的潜在语义主题,从语义层面计算用户对各资源的偏好概率,将计算出的偏好概率与协同过滤算法计算出的资源相似度相结合,预测用户偏好值,实现个性化推荐。在Movielens数据集上的实验结果表明,与传统基于标签的推荐算法相比,该算法能消除标签中存在的同义词、多义词等语义模糊问题,同时提高推荐准确度。

引用

页码：247 / 252+258 +258

页数：7

共 9 条

[1] 基于话题标签的微博主题挖掘 [J].

李敬 ;

印鉴 ;

刘少鹏 ;

潘雅丽 .

计算机工程, 2015, 41 (04) :30-35

[2] 基于张量分解的个性化标签推荐算法 [J].

李贵 ;

王爽 ;

李征宇 ;

韩子扬 ;

孙平 ;

孙焕良 .

计算机科学, 2015, 42 (02) :267-273

[3] 基于标签和协同过滤的个性化资源推荐 [J].

蔡强 ;

韩东梅 ;

李海生 ;

胡耀光 ;

陈谊 .

计算机科学, 2014, (01) :69-71

[4] 融合关系与内容分析的社会标签推荐 [J].

张斌 ;

张引 ;

高克宁 ;

郭朋伟 ;

孙达明 .

软件学报, 2012, 23 (03) :476-488

[5] 基于Tag和协同过滤的混合推荐方法 [J].

王卫平 ;

王金辉 .

计算机工程, 2011, 37 (14) :34-35+38

[6] 基于同义标签分组的协同推荐 [J].

陈毅波 ;

揭志忠 ;

吴产乐 .

湖南大学学报(自然科学版), 2011, 38 (05) :83-88

[7] 个性化推荐系统评价方法综述 [J].

刘建国 ;

周涛 ;

郭强 ;

汪秉宏 .

复杂系统与复杂性科学, 2009, 6 (03) :1-10

[8]

A recommender system based on tag and time information for social tagging systems[J] . Nan Zheng,Qiudan Li.Expert Systems With Applications . 2010 (4)

[9]

Collaborative filtering based on collaborative tagging for enhancing the quality of recommendation[J] . Heung-Nam Kim,Ae-Ttie Ji,Inay Ha,Geun-Sik Jo.Electronic Commerce Research and Applications . 2009 (1)

← 1 →