面向社交標(biāo)簽系統(tǒng)的推薦技術(shù)研究與實(shí)現(xiàn).pdf

1、在當(dāng)今飛速發(fā)展的互聯(lián)網(wǎng)時(shí)代，類似豆瓣讀書(shū)，CiteULike等社交標(biāo)簽系統(tǒng)（Social Tagging System）越來(lái)越多的融入人們生活中。這些系統(tǒng)給人們帶來(lái)便捷的知識(shí)分享的同時(shí)，也帶來(lái)了信息過(guò)載的問(wèn)題。而推薦技術(shù)能夠在大量的信息中智能地為用戶提供感興趣的信息，發(fā)現(xiàn)潛在的朋友。因此，面向社交標(biāo)簽系統(tǒng)的推薦技術(shù)也受到了越來(lái)越多的關(guān)注。
　　然而社交標(biāo)簽系統(tǒng)相比傳統(tǒng)的推薦系統(tǒng)，不僅有用戶和資源，還增加了標(biāo)簽這個(gè)新的度量。因此這類

2、系統(tǒng)中推薦技術(shù)面臨的挑戰(zhàn)是不同的，我們將其歸類為三方面的問(wèn)題。首先社交標(biāo)簽系統(tǒng)中用戶在發(fā)布或者評(píng)論資源時(shí)，能夠使用任意的描述詞作為標(biāo)簽來(lái)標(biāo)注資源，巨大的自由性和開(kāi)放性導(dǎo)致了標(biāo)簽的泛濫，降低了系統(tǒng)的標(biāo)簽質(zhì)量。其次社交標(biāo)簽系統(tǒng)中頻繁的新資源發(fā)布造成的冷啟動(dòng)問(wèn)題，以及用戶使用標(biāo)簽的稀疏性，也是這類系統(tǒng)中的推薦技術(shù)需要解決的。而且這類系統(tǒng)中的資源如文本，圖像等是有潛在類別屬性的，傳統(tǒng)推薦技術(shù)建立的統(tǒng)一模型在適用性上也存在不足。
　　因此，

3、為了解決傳統(tǒng)推薦技術(shù)面臨的推薦標(biāo)簽質(zhì)量不高，稀疏冷啟動(dòng)和模型適用性問(wèn)題，本文提出了一種新型的融合內(nèi)容分析與標(biāo)簽拓展的推薦方法TECA（Tag Expansion and Content Analysis），目的是為新資源推薦標(biāo)簽和用戶，研究的資源是文本類型。它首先對(duì)資源分類訓(xùn)練形成分類器，對(duì)每一類別的資源單獨(dú)建模，避免了統(tǒng)一模型的適用性問(wèn)題。其次在用戶建模時(shí)，通過(guò)鄰居用戶的標(biāo)簽來(lái)拓展用戶標(biāo)簽矩陣，緩解了數(shù)據(jù)稀疏性的問(wèn)題。而且它推薦的標(biāo)簽

4、結(jié)合歷史標(biāo)簽集和資源自身的內(nèi)容分析，保障了推薦的標(biāo)簽質(zhì)量。在推薦的過(guò)程中，主要是從內(nèi)容上挖掘資源的潛在主題，避免了新資源缺少歷史信息的冷啟動(dòng)問(wèn)題。
　　本文基于CiteULike的真實(shí)數(shù)據(jù)進(jìn)行了相關(guān)推薦實(shí)驗(yàn)，并與傳統(tǒng)的協(xié)同過(guò)濾推薦技術(shù)進(jìn)行對(duì)比。實(shí)驗(yàn)表明TECA在標(biāo)簽推薦和用戶推薦的效果上都比協(xié)同過(guò)濾方式更優(yōu)。而且本文也通過(guò)實(shí)驗(yàn)驗(yàn)證了TECA在模型適用性，數(shù)據(jù)稀疏性方面帶來(lái)的提升。另一方面，本文對(duì)于TECA中的模型參數(shù)選擇也進(jìn)行了相