基于Folksonomy和HOSVD的網站推薦機制的研究.pdf

1、大眾標注(Folksonomy)的概念隨著Web2.0技術的發(fā)展出現(xiàn),它重視用戶參與,通過邀請用戶參與標注過程,可以達到知識共享和用戶交互的目的,能挖掘用戶標注中潛在的偏好。憑借自發(fā)性和低約束性,大眾標注得以飛速發(fā)展。
　　當前,使用傳統(tǒng)分類法構建的網站上應用了很多比較成熟的推薦機制,例如基于協(xié)同過濾的推薦機制等,然而隨著大眾標注的發(fā)展,使用新的用戶-標簽-項目三元模式進行信息構建的網站越來越多,原有的推薦機制將不足以更好地挖掘出

2、標簽中用戶的潛在偏好,基于大眾標注的推薦機制研究在近年來逐漸成為熱門課題。
　　本文在學習幾種傳統(tǒng)推薦機制的基礎上,對基于協(xié)同過濾的推薦機制進行改進后,設計了一種新型的基于Folksonomy和HOSVD的個性化推薦機制PRS(PersonalRecommendationSystem),其中HOSVD(HigherOrderSingularValueDecomposition)是指高階奇異值分解算法,本文引入HOSVD是要用它來緩

3、解三元數據的稀疏性問題。
　　本文的重點研究內容有:
　　(1)使用HOSVD算法處理大眾標注的三元數據。當前比較成熟的推薦機制中,基于協(xié)同過濾技術的推薦機制得到了最廣泛的應用,如淘寶,youku,當當網等各種類型的網站中,它都得到了不錯的發(fā)展?；趨f(xié)同過濾技術的推薦機制處理的數據是用戶對項目進行評分所構成的三元數據,這是一種簡單的大眾標注模式,由于用戶評分過的項目數量遠遠小于項目實際數量,所以基于協(xié)同過濾技術的推薦機制面臨

4、很嚴重的數據稀疏性問題,一定程度上制約了它的發(fā)展?；诖蟊姌俗⒌耐扑]機制需要處理用戶使用標簽對項目進行標注而生成的三元數據,它比評分模式更復雜,將會面臨更加嚴重的稀疏性問題,所以本文引入了HOSVD算法,可以在盡可能地保證原有數據關聯(lián)的前提下填補空缺數據,從而有效降低數據冗余,提高推薦機制的效率和精度。
　　(2)改進傳統(tǒng)推薦機制,設計一個新的個性化推薦機制PRS。由于信息構建模式的不同,使用大眾標注技術進行信息構建的網站可以體現(xiàn)

5、更多的用戶潛在偏好,而直接應用傳統(tǒng)推薦機制,卻不足以充分挖掘這些偏好,也不能有效地生成更貼近用戶期望的推薦結果。本文在學習幾種經典的傳統(tǒng)推薦機制的同時,充分考慮大眾標注的三元數據的特性,設計了PRS推薦機制。PRS主要考慮用戶對標簽的潛在偏好和項目中標簽的潛在偏好,用戶對標簽的潛在偏好可以體現(xiàn)用戶的期望,有助于生成個性化的推薦結果,項目對標簽的潛在偏好則可以更準確的定位項目的性質,使得推薦結果更準確。同時計算標簽相似度和項目相似度,并把