点击次数：

论文类型：期刊论文

发表时间：2017-08-15

发表刊物：信息与控制

收录刊物：CSCD

卷号：46

期号：4

页面范围：400-407

ISSN号：1002-0411

关键字：社会标签;近邻感知;联合概率矩阵分解;推荐算法

摘要：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.