基于LDA主题模型的标签混合推荐研究

• 作者: 熊回香 窦燕
• 来源期刊: 图书情报工作
• 学科: 工学
• 关键词: 社会标注 标签推荐 协同过滤 LDA
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 知识组织
• 页码范围: 104-113
• 页数: 10页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13266/j.issn.0252-3116.2018.03.013

摘要

[目的/意义]针对目前使用标签推荐方法所得结果不理想的问题,改进传统相似度计算方式,并结合多种标签推荐方法,提高推荐准确性.[方法/过程]融合基于内容与协同过滤的推荐思想,利用LDA进行相似度计算得出资源与用户的近邻集合,并抽取资源内容关键词,以此构建标签混合推荐模型,最后以“豆瓣读书”为例对模型进行验证,同时与几种标签推荐方法进行比较.[结果/结论]在社会标注系统中,必须考虑用户-资源-标签3个维度,仅考虑单一角度势必会造成结果的不完整,同时在相似度计算时引入LDA能够挖掘潜在语义关系,提高推荐质量,且组合多种方法取长补短可以令推荐结果更为满意.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊回香	华中师范大学信息管理学院	66	478	14.0	20.0
2	窦燕	华中师范大学信息管理学院	2	12	1.0	2.0