基于潜在标签挖掘和细粒度偏好的个性化标签推荐

• 作者: 冯钦 刁兴春 张磊 曹建军 李红梅
• 来源期刊: 计算机应用研究
• 关键词: 个性化标签推荐 潜在标签挖掘 贝叶斯个性化排序 成对交互张量分解
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 34-39
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.05.0498

摘要

为进一步提高个性化标签推荐性能,针对标签数据的稀疏性以及传统方法忽略隐藏在用户和项目上下文中潜在标签的缺陷,提出一种基于潜在标签挖掘和细粒度偏好的个性化标签推荐方法.首先,提出利用用户和项目的上下文信息从大量未观测标签中挖掘用户可能感兴趣的少量潜在标签,将标签重新划分为正类标签、潜在标签和负类标签三类,进而构建〈用户,项目〉对标签的细粒度偏好关系,在缓解标签稀疏性的同时,提高对标签偏好关系的表达能力;然后,基于贝叶斯个性化排序优化框架对细粒度偏好关系进行建模,并结合成对交互张量分解对偏好值进行预测,构建细粒度的个性化标签推荐模型并提出优化算法.对比实验表明,提出的方法在保证较快收敛速度的前提下,有效地提高了个性化标签的推荐准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹建军	国防科技大学第六十三研究所	15	32	2.0	5.0
2	刁兴春		3	4	1.0	2.0
3	张磊		14	5	1.0	2.0
4	李红梅		4	1	1.0	1.0
5	冯钦		6	1	1.0	1.0