融合社會(huì)化標(biāo)簽的協(xié)同過(guò)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(guò)濾的個(gè)性化推薦技術(shù)無(wú)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(guò)濾算法通過(guò)分析用戶(hù)興趣，在用戶(hù)群中找到與指定用戶(hù)(興趣)相似的用戶(hù)，綜合這些相似用戶(hù)對(duì)某一信息的評(píng)價(jià)，形成系統(tǒng)對(duì)該指定用戶(hù)喜好程度預(yù)測(cè)。然而在實(shí)際推薦系統(tǒng)中，用戶(hù)只會(huì)對(duì)很少一部分物品評(píng)分，使得盡管近20年來(lái)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(guò)濾算法仍然面臨數(shù)據(jù)稀疏性的挑戰(zhàn)。
　　 隨著近些年來(lái)社會(huì)化標(biāo)簽的

2、興起，即用戶(hù)在瀏覽物品的時(shí)候，還可以對(duì)物品進(jìn)行標(biāo)注。這些標(biāo)簽，一方面反映了用戶(hù)對(duì)物品的偏好，另一方面是對(duì)物品語(yǔ)義的自然語(yǔ)言描述。這些信息，為我們克服傳統(tǒng)協(xié)同過(guò)濾算法中面臨的數(shù)據(jù)稀疏性問(wèn)題提供了新的思路。
　　 本文主要研究如何在協(xié)同過(guò)濾算法中融合這些社會(huì)化標(biāo)簽信息。在研究當(dāng)前結(jié)合標(biāo)簽的推薦算法基礎(chǔ)上，第三章提出使用三部圖來(lái)表達(dá)推薦系統(tǒng)中用戶(hù)、物品、標(biāo)簽及其之間的關(guān)系，并應(yīng)用隨機(jī)游走算法為用戶(hù)推薦前N個(gè)物品。同時(shí)本章還通過(guò)不同的構(gòu)

3、建三部圖的方法來(lái)分析標(biāo)簽的作用，即分別以用戶(hù)為中心的三部圖挖掘“用戶(hù)和標(biāo)簽”關(guān)系(標(biāo)簽代表了用戶(hù)的偏好)以及以物品為中心的三部圖挖掘“物品和標(biāo)簽”關(guān)系(標(biāo)簽是對(duì)物品語(yǔ)義的描述)。在三部圖框架的基礎(chǔ)上，第四章進(jìn)一步提出一種基于Lasso Logistic Regression模型的標(biāo)簽擴(kuò)展算法，通過(guò)關(guān)聯(lián)與標(biāo)簽潛在語(yǔ)義最相關(guān)的其他標(biāo)簽，使得物品的語(yǔ)義能被更加完整的標(biāo)注，從而降低社會(huì)化標(biāo)簽中噪音和稀疏性等問(wèn)題所帶來(lái)的負(fù)面影響，實(shí)驗(yàn)結(jié)果證實(shí)了這