融合社會化標簽的協(xié)同過濾算法研究.pdf

1、隨著互聯(lián)網(wǎng)及電子商務(wù)的快速發(fā)展，基于協(xié)同過濾的個性化推薦技術(shù)無論是在學(xué)術(shù)界還是工業(yè)界都有著廣泛的研究與應(yīng)用。協(xié)同過濾算法通過分析用戶興趣，在用戶群中找到與指定用戶(興趣)相似的用戶，綜合這些相似用戶對某一信息的評價，形成系統(tǒng)對該指定用戶喜好程度預(yù)測。然而在實際推薦系統(tǒng)中，用戶只會對很少一部分物品評分，使得盡管近20年來學(xué)術(shù)界研究不斷產(chǎn)生新的算法，提出新的模型，協(xié)同過濾算法仍然面臨數(shù)據(jù)稀疏性的挑戰(zhàn)。
　　 隨著近些年來社會化標簽的

2、興起，即用戶在瀏覽物品的時候，還可以對物品進行標注。這些標簽，一方面反映了用戶對物品的偏好，另一方面是對物品語義的自然語言描述。這些信息，為我們克服傳統(tǒng)協(xié)同過濾算法中面臨的數(shù)據(jù)稀疏性問題提供了新的思路。
　　 本文主要研究如何在協(xié)同過濾算法中融合這些社會化標簽信息。在研究當(dāng)前結(jié)合標簽的推薦算法基礎(chǔ)上，第三章提出使用三部圖來表達推薦系統(tǒng)中用戶、物品、標簽及其之間的關(guān)系，并應(yīng)用隨機游走算法為用戶推薦前N個物品。同時本章還通過不同的構(gòu)

3、建三部圖的方法來分析標簽的作用，即分別以用戶為中心的三部圖挖掘“用戶和標簽”關(guān)系(標簽代表了用戶的偏好)以及以物品為中心的三部圖挖掘“物品和標簽”關(guān)系(標簽是對物品語義的描述)。在三部圖框架的基礎(chǔ)上，第四章進一步提出一種基于Lasso Logistic Regression模型的標簽擴展算法，通過關(guān)聯(lián)與標簽潛在語義最相關(guān)的其他標簽，使得物品的語義能被更加完整的標注，從而降低社會化標簽中噪音和稀疏性等問題所帶來的負面影響，實驗結(jié)果證實了這