基于网络分割聚类的标签语义规范化推荐算法 |
| |
作者单位: | ;1.南京财经大学信息工程学院 |
| |
摘 要: | 传统的推荐算法多以用户评分数据计算用户的兴趣偏好以及资源相似度,对稀疏数据以及新用户的推荐质量较低。考虑到用户标签数据的随意性和语义模糊性,提出基于标签网络分割聚类的语义规范化方法并建立基于规范化标签的用户兴趣模型。该模型能在不改变用户兴趣的前提下有效降低用户标签兴趣模型的向量维数,并能避免分析标签语义的复杂过程,且能根据用户自身的理解来获取用户兴趣。最后将标签兴趣模型应用到推荐算法中。通过与经典的推荐算法进行比较,验证了该算法能有效缓解数据稀疏性、推荐冷启动问题,提升了推荐结果的准确性,能获得更好的推荐效果。
|
关 键 词: | 标签 语义规范化 推荐算法 |
A RECOMMENDATION ALGORITHM WITH TAGS SEMANTIC NORMALIZATION BASED ON NETWORK SEGMENTATION CLUSTERING |
| |
Abstract: | |
| |
Keywords: | |
|
|