基于大眾標(biāo)注和HOSVD的推薦系統(tǒng)研究.pdf

1、隨著Web2.0技術(shù)的飛速發(fā)展,以知識(shí)共享和大量用戶交互為特點(diǎn)的大眾標(biāo)注(Folksonomy)概念隨之產(chǎn)生。大眾標(biāo)注網(wǎng)站中所含有的標(biāo)簽功能使得用戶可以根據(jù)自身喜好對(duì)網(wǎng)站中的資源添加相應(yīng)信息。將大量的標(biāo)注信息進(jìn)行整理分析,可以為新的用戶提供網(wǎng)站資源的參考從而形成資源的推薦。
　　目前電子商務(wù)網(wǎng)站的個(gè)性化推薦系統(tǒng)已有多種,較為成熟的推薦方法是分析項(xiàng)目資源或者近鄰用戶之間的相似偏好來(lái)過(guò)濾信息達(dá)到向其他用戶推薦的目的。而大眾標(biāo)注網(wǎng)站的數(shù)

2、據(jù)特點(diǎn)是用戶和項(xiàng)目之間通過(guò)標(biāo)簽進(jìn)行橋接,因此對(duì)近鄰用戶、項(xiàng)目或標(biāo)簽計(jì)算相似偏好使得推薦系統(tǒng)的運(yùn)算復(fù)雜程度增加;同時(shí)隨著網(wǎng)站規(guī)模和數(shù)據(jù)量的增加,評(píng)分?jǐn)?shù)據(jù)矩陣稀疏性問(wèn)題也會(huì)導(dǎo)致系統(tǒng)推薦精度的下降。
　　針對(duì)以上這些問(wèn)題,本文運(yùn)用基于高階張量降維原理的高階奇異值分解(HigherOrderSingularValueDecomposition)算法和數(shù)據(jù)聚類技術(shù),結(jié)合具有典型大眾標(biāo)注網(wǎng)站特點(diǎn)的數(shù)據(jù)提出一種個(gè)性化推薦系統(tǒng)。對(duì)含有“標(biāo)簽”信息

3、的標(biāo)注網(wǎng)站推薦系統(tǒng)進(jìn)行改進(jìn),避開(kāi)繁雜的運(yùn)算過(guò)程,提高推薦精度。本文的研究重點(diǎn)主要有以下幾個(gè)方面:
　　1.對(duì)典型大眾標(biāo)注網(wǎng)站進(jìn)行數(shù)據(jù)收集,建立含有用戶、標(biāo)簽、項(xiàng)目的數(shù)據(jù)列表。利用K均值(K-means)聚類技術(shù)對(duì)初始數(shù)據(jù)進(jìn)行聚類。對(duì)數(shù)據(jù)進(jìn)行初始聚類的目的在于增加數(shù)據(jù)之間的關(guān)聯(lián)性,減少原始數(shù)據(jù)中的空余數(shù)據(jù)成分,從而為建立張量模型提供數(shù)據(jù)基礎(chǔ)。
　　2.通過(guò)對(duì)含有用戶、標(biāo)簽和項(xiàng)目的三級(jí)數(shù)據(jù)庫(kù)建立三維的張量空間矩陣,利用二維的奇異

4、值分解在處理數(shù)據(jù)稀疏性問(wèn)題上的良好特性,在多維張量空間矩陣中進(jìn)行拓展。該方法能夠在保證數(shù)據(jù)結(jié)構(gòu)完整的情況下除去數(shù)據(jù)中的空缺部分,以達(dá)到降低數(shù)據(jù)稀疏性的目的,同時(shí)生成推薦結(jié)果;此外還能夠有效降低大眾標(biāo)注網(wǎng)站當(dāng)中的數(shù)據(jù)冗余,提高推薦精度;并且將標(biāo)簽信息較好地加以利用產(chǎn)生推薦,從而提高了推薦系統(tǒng)的效率。
　　3.通過(guò)數(shù)據(jù)實(shí)驗(yàn)與幾種傳統(tǒng)的協(xié)同過(guò)濾算法的推薦效果進(jìn)行對(duì)比,以檢驗(yàn)本文所提出的將聚類技術(shù)與空間張量分解算法相結(jié)合的一體化推薦系統(tǒng)在