基于稀疏標(biāo)簽語義偏好模型的個性化推薦.pdf

1、在大數(shù)據(jù)時代，如何從海量的數(shù)據(jù)中挖掘到自己感興趣的內(nèi)容成為至關(guān)重要的問題。為了滿足用戶的個性化需求，需要進行個性化推薦。傳統(tǒng)的個性化推薦是根據(jù)用戶對物品的歷史評分、瀏覽、點擊等數(shù)據(jù)，分析用戶的偏好，給用戶推薦感興趣的物品。然而由于數(shù)據(jù)的稀疏性，對用戶的偏好不能很好的建模。隨著web2.0的發(fā)展，標(biāo)簽的出現(xiàn)為獲得用戶的偏好信息提供了一個新的數(shù)據(jù)源，能夠更好的分析用戶的偏好信息。
　　現(xiàn)有的基于標(biāo)簽的推薦是通過對用戶的打標(biāo)簽數(shù)據(jù)進行分

2、析，得到用戶對標(biāo)簽的語義偏好，然后將偏好信息融入到推薦算法中。然而，在使用標(biāo)簽的過程中，我們發(fā)現(xiàn)原始標(biāo)簽存在著由用戶差異（文化，地理等）問題，導(dǎo)致的對于同一個語義的不同表達形式，使得用戶標(biāo)簽矩陣特別的稀疏。
　　為了能夠更好的利用標(biāo)簽的語義信息，我們提出了基于稀疏標(biāo)簽的偏好模型，通過用戶與標(biāo)簽，物品與標(biāo)簽，標(biāo)簽與標(biāo)簽的關(guān)系，使用聚類的方式將相同語義的標(biāo)簽聚在一起形成一個主題。分析用戶與主題語義的偏好信息，從而降低標(biāo)簽數(shù)據(jù)的稀疏性。

3、
　　我們的最終目的是為了使用標(biāo)簽推薦物品，根據(jù)我們提出的主題語義偏好模型，我們提出了基于主題語義向量，基于主題語義的擴展協(xié)同過濾，基于主題語義傳播的三種推薦算法。最后為了能夠充分利用單個算法的優(yōu)點，我們通過集成學(xué)習(xí)的思想，將多個推薦模型集成在一起，提高推薦的準(zhǔn)確度。
　　為了驗證我們的算法，我們抓取豆瓣圖書相關(guān)的數(shù)據(jù)。實驗表明，在本文提出的基于稀疏標(biāo)簽的語義偏好模型能夠更好的反映用戶的偏好信息，在我們的模型上實現(xiàn)的集成推薦