社會化標(biāo)注系統(tǒng)中群組推薦方法研究.pdf

1、隨著Web2.0技術(shù)的興起，網(wǎng)絡(luò)上出現(xiàn)了大量的社會化標(biāo)注系統(tǒng)，用戶可以通過一個(gè)開放的平臺對共享資源進(jìn)行個(gè)性化標(biāo)注，同時(shí)可以上傳資源并將其分享到感興趣的群組中。由于群組能夠滿足用戶間交互與興趣分享等諸多需求，近年來吸引了大量的用戶。但是隨著群組數(shù)量的飛速增長，用戶手動的瀏覽或查找感興趣的群組成為一件困難而耗時(shí)的工作，迫切需要一種工具幫助用戶從海量的群組中過濾出有用的信息，群組推薦系統(tǒng)應(yīng)運(yùn)而生。群組推薦系統(tǒng)可以幫助用戶發(fā)現(xiàn)有價(jià)值的群組信息，

2、節(jié)約用戶時(shí)間，提高用戶對網(wǎng)站的滿意度，從而吸引更多用戶加入網(wǎng)站，實(shí)現(xiàn)服務(wù)提供商與用戶的雙贏。本文主要研究如何為社會化標(biāo)注系統(tǒng)中的用戶和資源推薦群組，并以社會化標(biāo)注系統(tǒng)中的典型代表——Flickr圖片共享網(wǎng)站為例，介紹主要的研究方法。盡管本文提出的方法都是基于Flickr，但它們均可以推廣到任意具有群組信息的社會化標(biāo)注系統(tǒng)中。
　　Flickr允許用戶上傳圖片，為圖片添加標(biāo)簽并將圖片分享到感興趣的群組中。用戶、標(biāo)簽、圖片和組是Fli

3、ckr中主要的四個(gè)實(shí)體，它們之間相互關(guān)聯(lián)，形成了用戶、標(biāo)簽、圖片和組之間的四元關(guān)系。本文在分析該四元關(guān)系的基礎(chǔ)上，提出了基于四元語義分析的Flickr組推薦模型，并利用該模型完成了以下工作:
　　(1)利于四元語義分析為Flickr用戶推薦組
　　為Flickr用戶推薦組的現(xiàn)有研究主要使用基于協(xié)同過濾的推薦算法，利用（用戶，組）二元關(guān)系或者（用戶，標(biāo)簽，組）三元關(guān)系挖掘用戶和組之間潛在的語義關(guān)系。由于它們均忽略了圖片豐富的視

4、覺信息，同時(shí)標(biāo)簽可能存在多義性和歧義性，因此往往不能提供準(zhǔn)確的推薦結(jié)果。本文針對現(xiàn)有研究存在的問題和不足，提出了一種基于四元語義分析的Flickr組推薦方法，利用四階張量建模用戶、標(biāo)簽、圖片類和組之間的四元關(guān)系，通過高階奇異值分解技術(shù)挖掘用戶和組之間潛在的語義關(guān)系，得到為用戶推薦的組列表。該方法首次將四元語義分析引入到組推薦領(lǐng)域，綜合利用圖片的視覺特征和標(biāo)簽信息，通過挖掘用戶和組之間隱含的語義關(guān)系，為用戶推薦組。通過在Flickr數(shù)據(jù)集

5、上的實(shí)驗(yàn)證明了本文提出的方法相比利用用戶、標(biāo)簽和組之間三元關(guān)系的方法，在top-k和MAP評價(jià)標(biāo)準(zhǔn)下，取得了更精確的推薦結(jié)果。此外，在對Flickr圖片分類時(shí)，提出了一種基于稀疏編碼的改進(jìn)的空間金字塔匹配方法，為空間金字塔中不同層次的圖像的稀疏編碼值賦予不同的權(quán)重，設(shè)計(jì)了一種新的空間金字塔匹配核，在Caltech101/256及PascalVOC2006數(shù)據(jù)集上的實(shí)驗(yàn)證明，新的空間金字塔匹配核函數(shù)在分類準(zhǔn)確率上優(yōu)于已有的基于空間金字塔匹

6、配的方法。
　　(2)利用四元語義分析為Flickr圖片推薦組
　　現(xiàn)有為Flickr圖片推薦組的研究主要使用基于內(nèi)容的推薦算法，需要為每個(gè)主題建立一個(gè)模型，系統(tǒng)可擴(kuò)展性差。此外，推薦時(shí)僅根據(jù)圖片的特征沒有考慮用戶的興趣，導(dǎo)致推薦結(jié)果不一定滿足用戶的興趣需要。本文針對現(xiàn)有研究存在的問題和不足，提出了基于四階張量分解的Flickr組推薦算法，將用戶的興趣信息引入到推薦模型中，利用基于協(xié)同過濾的推薦方法為圖片推薦組。算法使用四階

7、張量建模圖片、用戶、標(biāo)簽和組之間的四元關(guān)系，利用高階奇異值分解和kernel-SVD技術(shù)挖掘用戶潛在的興趣以及圖片和組之間潛在的語義關(guān)系，為圖片推薦滿足用戶興趣需要的組。此外，為了解決模型的可擴(kuò)展性問題，當(dāng)有新的用戶、圖片、標(biāo)簽和組加入模型時(shí)，利用folding-in或IncrementalSVD技術(shù)增量更新模型，避免了大量的重復(fù)計(jì)算。通過在Flickr數(shù)據(jù)集上的實(shí)驗(yàn)證明了本文提出的算法比現(xiàn)有基于內(nèi)容的推薦算法推薦結(jié)果的MAP值有大幅提

8、升。
　　(3)設(shè)計(jì)并實(shí)現(xiàn)了Flickr組推薦統(tǒng)一框架及Web應(yīng)用原型系統(tǒng)。
　　現(xiàn)有的Flickr組推薦方法只能單獨(dú)為用戶或圖片推薦組，不能將兩者集成在一個(gè)統(tǒng)一框架中。而實(shí)際應(yīng)用中，F(xiàn)lickr用戶不僅希望知道自己上傳的圖片適合分享的組同時(shí)還希望了解有哪些自己感興趣的組。本文在前面兩項(xiàng)工作的基礎(chǔ)上，建立了基于四元語義分析的Flickr組推薦統(tǒng)一框架，設(shè)計(jì)并實(shí)現(xiàn)了Flickr組推薦Web應(yīng)用原型系統(tǒng)，該系統(tǒng)可以在為圖片推薦組