基于标签和协同过滤的个性化资源推荐

• 作者: 李海生 胡耀光 蔡强 陈谊 韩东梅
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 标签 协同过滤 推荐算法 用户偏好 资源相似度
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 2013’CCF人工智能会议
• 页码范围: 69-71,110
• 页数: 4页
• 分类号: TP301
• 字数: 4231字
• 语种: 中文

摘要

传统的协同过滤算法以用户评分体现用户兴趣偏好及资源相似度,忽视了用户、资源自身的特征,并且对稀疏数据和新资源的推荐质量明显下降.在Web2.0时代下,标签可被用户依个人偏好进行自由资源标注.因此,提出了基于标签和协同过滤的推荐算法.其基本思想是将标签作为体现用户兴趣偏好和资源特征的信息,依据用户、标签及资源的多维关系生成用户及资源的标签特征向量,并计算用户对资源的偏好程度和资源相似度,然后基于用户的历史行为预测用户对其他资源的偏好值,最后依据预测偏好值排序产生Top-N推荐结果.通过与传统的协同过滤算法的比较,验证了本算法能有效缓解数据的稀疏性,解决推荐的冷启动问题,提升推荐的准确性,获得更好的推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈谊	北京工商大学计算机与信息工程学院	81	684	13.0	23.0
2	蔡强	北京工商大学计算机与信息工程学院	65	684	15.0	23.0
3	李海生	北京工商大学计算机与信息工程学院	52	406	11.0	18.0
4	胡耀光	北京理工大学工业设计研究所	14	467	6.0	14.0
5	韩东梅	北京工商大学计算机与信息工程学院	2	85	2.0	2.0