基于标签与深度本体的Web推荐方法研究

• 作者: 吕刚 胡春玲 郑诚
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 推荐系统 标签 深度本体 降维 点击流 推荐扩展
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 156-160
• 页数: 5页
• 分类号: TP391
• 字数: 3483字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.12.030

摘要

基于用户偏好物品与其在网上浏览的历史记录,推荐系统都能够向用户推荐项目和预测未来的采购意愿,但稀疏性、冷启动等问题影响该方法的推荐效果.为此,提出将深度本体与用户标签结合的Web推荐方法.利用深度本体项目之间的语义关系对数据矩阵降维,根据用户提供的标签信息,将点击流映射到本体中,结合深度本体中项目之间的关系扩展推荐结果,推荐出top-n信息.实验结果表明,与传统的基于本体方法相比,该方法可解决稀疏性和冷启动等问题,同时推荐的准确性和时效性都有较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑诚	安徽大学计算智能与信号处理教育部重点实验室	103	1013	15.0	28.0
2	吕刚	安徽大学计算智能与信号处理教育部重点实验室	41	82	5.0	7.0
4	胡春玲	合肥学院网络与智能信息处理重点实验室	29	142	6.0	11.0