基于LDA的社會化標(biāo)簽系統(tǒng)推薦技術(shù)研究.pdf

1、隨著計算機(jī)網(wǎng)絡(luò)的迅猛發(fā)展，社會化標(biāo)簽系統(tǒng)成為眾多新型網(wǎng)絡(luò)應(yīng)用的不可或缺的一部分，并因其操作便捷、操作簡單等優(yōu)點(diǎn)深受互聯(lián)網(wǎng)用戶的喜愛。標(biāo)簽推薦系統(tǒng)可以推薦相應(yīng)的標(biāo)簽給用戶，既方便了用戶的操作又提高了系統(tǒng)標(biāo)注的質(zhì)量，但是會產(chǎn)生大量富含價值的數(shù)據(jù)，從而形成“用戶-資源-標(biāo)簽”的三維模型。目前的標(biāo)簽推薦算法基本都是借鑒傳統(tǒng)的推薦算法，將這種三維關(guān)系拆分成二維關(guān)系來解決，而這種轉(zhuǎn)換過程容易導(dǎo)致用戶信息的描述模糊、語義丟失、標(biāo)簽的個性化信息減弱的問

2、題，進(jìn)而限制了個性化推薦的效果。
　　針對現(xiàn)有方法存在的不足，本文以CiteULike數(shù)據(jù)集為研究對象，提出了一種基于LDA模型的個性化標(biāo)簽推薦模型LTR。該模型運(yùn)用主題模型的思想解決社會化標(biāo)簽系統(tǒng)的推薦問題，為了更加合理地設(shè)計推薦模型，首先對社會化標(biāo)簽系統(tǒng)、主題模型和 LDA等相關(guān)知識進(jìn)行了更深一層的探索。其次提出綜合考慮用戶、標(biāo)簽、資源和資源的語義信息，從話題語義層面來挖掘用戶和資源、標(biāo)簽和資源、資源之間的內(nèi)在聯(lián)系，構(gòu)建了基于

3、主題模型的社會化標(biāo)簽推薦模型LTR。
　　本文在CiteULike真實數(shù)據(jù)集上進(jìn)行了兩組的相關(guān)對比實驗，從兩個角度分別驗證該算法的推薦效果：
　?。?）固定推薦長度下，比較 LTR算法與目前的主流的HOSVD、FolkRank、DirectBin25、SK5、Popitem、UCTM、Majdi’s Method方法的準(zhǔn)確率、召回率和 F1值，驗證該算法的推薦效果；
　?。?）不同密度的數(shù)據(jù)集下，計算LTR算法在稀疏數(shù)