| 基于改进鱼群算法与张量分解的社会化标签推荐模型 |
| |
| 引用本文： | 张浩,何杰,李慧宗. 基于改进鱼群算法与张量分解的社会化标签推荐模型[J]. 计算机科学, 2016, 43(12): 168-172 |
| |
| 作者姓名： | 张浩 何杰 李慧宗 |
| |
| 作者单位： | 淮阴工学院交通工程学院 淮安223003;东南大学交通学院 南京210096,东南大学交通学院 南京210096,合肥工业大学计算机与信息学院 合肥230009 |
| |
| 基金项目： | 本文受江苏省高校哲学社会科学项目(2014SJB688),国家统计局项目(2014LY058),教育部人文社会科学项目(13YJCZH077)资助 |
| |
| 摘 要： | 基于大众分类法(folksonomy)的标签应用已逐渐成为一种重要的互联网内容组织方式,但随着数据规模的海量增长,产生了严重的信息过载问题,而传统的基于“用户-项目”二元关系的个性化推荐算法难以有效应对由“用户-项目-标签”所构成的三元关系。通过对基本人工鱼群算法进行改进,提出一种对标签推荐系统初始数据集进行聚类分析的方法,用以降低标签推荐系统的数据分析规模。在此基础上,综合考虑标签推荐系统中的元素权重以及反映用户偏好的评分信息,将元素权重和评分等级进行加权处理,以处理结果作为张量中的元素,建立了一种新的加权张量模型,并利用动态增量更新的张量分解算法进行模型求解,进而完成个性化的推荐。最后在两个真实的实验数据集上对比分析了所提算法(FTA)与另外两个经典标签推荐算法的推荐性能,实验结果表明FTA算法在准确率和召回率上均具有较好的表现。
|
| 关 键 词： | 鱼群算法 聚类分析 张量分解 标签推荐 |
| 收稿时间： | 2016-06-16 |
| 修稿时间： | 2016-08-06 |
Social Tagging Recommendation Model Based on Improved Artificial Fish Swarm Algorithm and Tensor Decomposition |
| |
| ZHANG Hao,HE Jie and LI Hui-zong. Social Tagging Recommendation Model Based on Improved Artificial Fish Swarm Algorithm and Tensor Decomposition[J]. Computer Science, 2016, 43(12): 168-172 |
| |
| Authors: | ZHANG Hao HE Jie LI Hui-zong |
| |
| Abstract: | |
| |
| Keywords: | Artificial fish swarm algorithm Clustering analysis Tensor decomposition Tag recommendation |
|
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
