基于標(biāo)簽的推薦系統(tǒng)研究.pdf

1、“互聯(lián)網(wǎng)+”時代產(chǎn)生了巨大的信息浪潮，在為用戶帶來更加寬泛的選擇同時也增加了信息篩選的難度，降低了信息利用率。推薦系統(tǒng)存在的目的就是幫助用戶快速發(fā)現(xiàn)所需信息，并結(jié)合用戶自身特點和興趣愛好，為用戶尋找高質(zhì)量高價值的資源，從而減少用戶接觸重復(fù)或無關(guān)信息帶來的不利影響，提升用戶體驗度。以往的推薦常以評分或投票作為用戶對資源態(tài)度的衡量指標(biāo)，但這類數(shù)據(jù)往往對資源本體的依附性過強，當(dāng)資源消失這些指標(biāo)便會失去價值。大眾標(biāo)注法的引入帶來了推薦系統(tǒng)中對資

2、源評價的另一種方式，標(biāo)簽簡便易用且利于傳播，它不僅能夠體現(xiàn)出資源的差異性也反映出了標(biāo)注者的行為特征與個人偏好。
　　本文對基于標(biāo)簽的推薦系統(tǒng)進行了深入了解，分析了時下主流的三種推薦算法在標(biāo)簽推薦系統(tǒng)中的應(yīng)用情況。在傳統(tǒng)算法的基礎(chǔ)上引入關(guān)聯(lián)規(guī)則挖掘，并通過使用K-means聚類方法對標(biāo)簽集合分類來降低矩陣的數(shù)據(jù)稀疏度。通過尋找海量用戶行為中的頻發(fā)行為集合，從中發(fā)現(xiàn)隱含規(guī)律并以此作為對未來用戶的推薦指導(dǎo)，這不僅提高了推薦系統(tǒng)的準(zhǔn)確度也

3、增加了結(jié)果集中項目類型的覆蓋率。主要研究工作如下：
　　第一，提出了一種基于標(biāo)簽的關(guān)聯(lián)規(guī)則挖掘方法。傳統(tǒng)的標(biāo)簽推薦系統(tǒng)都不同程度的會存在數(shù)據(jù)稀疏問題和標(biāo)簽語義問題。本文將關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用在對標(biāo)簽的規(guī)律發(fā)掘過程中，以事務(wù)為中心，弱化標(biāo)簽語義的影響。同時，為了增加標(biāo)簽的關(guān)聯(lián)度并考慮長尾標(biāo)簽的價值，使用K-means算法對用戶標(biāo)簽集合進行散點聚類。此處通過結(jié)合層次聚類算法來設(shè)定合理的K值，形成以質(zhì)心標(biāo)簽為代表的標(biāo)簽簇，簇內(nèi)標(biāo)簽聚和度

4、高，簇間標(biāo)簽差異性大。然后，將用戶一次完整的標(biāo)簽使用情況視為一項有效事務(wù)，從所有的事務(wù)集合中尋找頻發(fā)項目。在保留具有一定支持度和置信度的通用規(guī)則的情況下，考慮規(guī)則可能存在的不對稱性因素，并剔除熱門標(biāo)簽的影響，發(fā)現(xiàn)真正具有一定代表性的關(guān)聯(lián)事件。最后根據(jù)目標(biāo)用戶的需求與關(guān)聯(lián)規(guī)則觸發(fā)前件的匹配程度選擇Top-N作為推薦標(biāo)簽。
　　第二，根據(jù)圖書系統(tǒng)的特點，設(shè)計了一套適用于該領(lǐng)域的個性化推薦模型。該模型將讀者的用戶文件作為標(biāo)簽數(shù)據(jù)來源之一