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,以知識共享和大量用戶交互為特點的大眾標(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)站的個性化推薦系統(tǒng)已有多種,較為成熟的推薦方法是分析項目資源或者近鄰用戶之間的相似偏好來過濾信息達(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)特點是用戶和項目之間通過標(biāo)簽進(jìn)行橋接,因此對近鄰用戶、項目或標(biāo)簽計算相似偏好使得推薦系統(tǒng)的運算復(fù)雜程度增加;同時隨著網(wǎng)站規(guī)模和數(shù)據(jù)量的增加,評分?jǐn)?shù)據(jù)矩陣稀疏性問題也會導(dǎo)致系統(tǒng)推薦精度的下降。
　　針對以上這些問題,本文運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)站特點的數(shù)據(jù)提出一種個性化推薦系統(tǒng)。對含有“標(biāo)簽”信息

3、的標(biāo)注網(wǎng)站推薦系統(tǒng)進(jìn)行改進(jìn),避開繁雜的運算過程,提高推薦精度。本文的研究重點主要有以下幾個方面:
　　1.對典型大眾標(biāo)注網(wǎng)站進(jìn)行數(shù)據(jù)收集,建立含有用戶、標(biāo)簽、項目的數(shù)據(jù)列表。利用K均值(K-means)聚類技術(shù)對初始數(shù)據(jù)進(jìn)行聚類。對數(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.通過對含有用戶、標(biāo)簽和項目的三級數(shù)據(jù)庫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.通過數(shù)據(jù)實驗與幾種傳統(tǒng)的協(xié)同過濾算法的推薦效果進(jìn)行對比,以檢驗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