Release Time:2019-03-11  Hits:

Indexed by: Journal Article

Date of Publication: 2017-08-15

Journal: 信息与控制

Included Journals: CSCD

Volume: 46

Issue: 4

Page Number: 400-407

ISSN: 1002-0411

Key Words: 社会标签;近邻感知;联合概率矩阵分解;推荐算法

Abstract: 传统的推荐系统只使用用户的评分信息进行计算并进行推荐,虽然在一定程度上能够获得用户或资源的隐含特征,但缺乏足够的语义解释,影响了推荐效果.针对此问题,提出了一种融合社会标签的近邻感知的联合概率矩阵分解推荐算法.首先,该算法通过标签的相似性来计算用户间和资源之间的相似性,进行近邻选择;其次,构建用户-资源评分矩阵、用户-标签标注矩阵、资源-标签关联矩阵并运用联合概率矩阵分解方法计算3个矩阵的隐含特征向量,通过对训练模型进行参数优化,为用户进行推荐.实验结果表明,该算法可以有效利用标签的语义性,提高推荐质量.