基于标签主题的协同过滤推荐算法研究

• 作者: 周魏 文俊浩 曾骏 王喜宾 袁培雷
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 标签主题 协同过滤 潜在Dirichlet分布模型 个性化推荐 相似度
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 247-252,258
• 页数: 7页
• 分类号: TP311
• 字数: 5172字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.01.043

摘要

传统基于标签的推荐算法仅考虑用户的评分信息,导致推荐准确度不高.为解决该问题,提出一种改进的协同过滤推荐算法.对用户-标签矩阵、资源-标签矩阵进行潜在Dirichlet分布建模,发掘推荐系统中的潜在语义主题,从语义层面计算用户对各资源的偏好概率,将计算出的偏好概率与协同过滤算法计算出的资源相似度相结合,预测用户偏好值,实现个性化推荐.在Movielens数据集上的实验结果表明,与传统基于标签的推荐算法相比,该算法能消除标签中存在的同义词、多义词等语义模糊问题,同时提高推荐准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文俊浩		132	1224	19.0	25.0
3	王喜宾		3	30	2.0	3.0
5	曾骏		6	58	3.0	6.0
9	袁培雷		1	26	1.0	1.0