不同粒度标签推荐算法的比较研究

• 作者: 刘行军 李玉华 靳延安
• 来源期刊: 计算机应用研究
• 关键词: 标签推荐 统计语言模型 隐含话题模型 不同粒度
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 504-509
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.02.028

摘要

针对社会标签系统中不同粒度的特征在表示文档时具有不同的描述能力这一特性,提出从词粒度和话题粒度来推荐社会标签以提高标签推荐的准确度.提出使用统计语言模型(词粒度)和隐含话题模型(话题粒度)分别建模文档的描述集和标签集,首先使用单个模型进行标签推荐,然后融合不同的特征粒度进行标签推荐.实验结果表明:就单一方法讲,基于统计语言模型的推荐性能要比基于话题粒度模型的推荐性能好；基于两种方法的混合方法的性能要好于没有混合的基于话题的单个方法；涉及较少特征的混合方法的推荐性能要优于涉及较多特征的混合方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	靳延安	华中科技大学计算机学院	4	64	3.0	4.0
5	李玉华	华中科技大学计算机学院	40	353	11.0	17.0
6	刘行军	湖北经济学院信息管理学院	12	40	4.0	6.0