张量分解的标签推荐及新用户标签推荐算法

• 作者: 廖志芳 张苗 李小庆 王超群
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 标签推荐 张量分解 新用户推荐
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 计算机软件与数据库研究
• 页码范围: 2472-2476
• 页数: 5页
• 分类号: TP311
• 字数: 4858字
• 语种: 中文

摘要

标签推荐系统包含用户、资源和标签三个基本元素,由于标签推荐系统中数据存在大量稀疏值和缺失值,而张量分解方法对于稀疏数据处理有较好的性能,因此本文以传统的Tucker和ParaFac张量分解模型为基础,通过数据缺失值处理,进行局部最优求解获得标签推荐值,以此进行社会标签系统中的标签推荐预测.实验表明,基于张量分解的标签推荐算法的召回率和精确度得到提高.同时通过更新Tucker和ParaFac张量分解模型,提出对应的新用户标签推荐算法,实验表明,基于张量分解模型的新用户标签推荐算法可以为新用户提供良好的标签推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖志芳	中南大学软件学院	65	468	12.0	19.0
2	王超群	中南大学软件学院	1	26	1.0	1.0
3	李小庆	中南大学信息科学与工程学院	1	26	1.0	1.0