基于社會化標(biāo)簽和概率化矩陣分解推薦算法的研究.pdf

1、隨著互聯(lián)網(wǎng)和Web2.0技術(shù)的迅猛發(fā)展，社會化標(biāo)簽被越來越廣泛地應(yīng)用于個性化的信息服務(wù)系統(tǒng)中。標(biāo)簽體現(xiàn)了群體智慧，它有效地聯(lián)系了用戶與資源，同時描述了用戶的興趣愛好和資源的特征，具有較高的挖掘價值?，F(xiàn)存的個性化推薦技術(shù)還存在著一定的問題，在帶有標(biāo)簽的推薦系統(tǒng)中，有效地利用標(biāo)簽信息勢必會給推薦系統(tǒng)領(lǐng)域帶來新的機(jī)遇。論文結(jié)合國家科技支撐項目——老年人健康服務(wù)平臺，面向基于標(biāo)簽的推薦算法技術(shù)展開了相應(yīng)的研究。
　　論文首先對當(dāng)前推薦系統(tǒng)

2、技術(shù)做了一個簡要的綜述，介紹了主流的協(xié)同過濾、基于內(nèi)容、矩陣分解和混合推薦算法的工作原理、實現(xiàn)步驟和優(yōu)缺點，并對未來推薦系統(tǒng)的研究提出了一些問題和展望。
　　論文通過分析社會化標(biāo)簽的結(jié)構(gòu)和特點，結(jié)合文本語義挖掘技術(shù)，提出了包括基于Jaccard、TF-IDF、LDA主題模型三種物品標(biāo)簽相似度的計算方法，它們具有不同的聚類特點和應(yīng)用。概率化矩陣分解模型(PMF)在推薦系統(tǒng)中有著廣泛的應(yīng)用，論文提出了一種基于社會化標(biāo)簽的改進(jìn)PMF算法

3、Tag-PMF。該算法將用戶對物品的評分分解為兩部分，即物品自身隱含因子對用戶的吸引評分和與之標(biāo)簽相似的鄰居物品的參考評分，通過對兩者的線性擬合得到了一個新的矩陣分解算法。
　　接下來，論文對Tag-PMF算法進(jìn)行了驗證，相關(guān)的實驗證明了與傳統(tǒng)主流推薦算法相比，該算法在推薦準(zhǔn)確度上平均可提升4.6％。另外，論文還對Tag-PMF算法的α、Top-K、D等幾個主要因子進(jìn)行了獨立的實驗，分析它們對算法推薦準(zhǔn)確度的影響。
　　最后