基于LDA的社會(huì)化標(biāo)簽系統(tǒng)推薦技術(shù)研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)的迅猛發(fā)展，社會(huì)化標(biāo)簽系統(tǒng)成為眾多新型網(wǎng)絡(luò)應(yīng)用的不可或缺的一部分，并因其操作便捷、操作簡(jiǎn)單等優(yōu)點(diǎn)深受互聯(lián)網(wǎng)用戶的喜愛(ài)。標(biāo)簽推薦系統(tǒng)可以推薦相應(yīng)的標(biāo)簽給用戶，既方便了用戶的操作又提高了系統(tǒng)標(biāo)注的質(zhì)量，但是會(huì)產(chǎn)生大量富含價(jià)值的數(shù)據(jù)，從而形成“用戶-資源-標(biāo)簽”的三維模型。目前的標(biāo)簽推薦算法基本都是借鑒傳統(tǒng)的推薦算法，將這種三維關(guān)系拆分成二維關(guān)系來(lái)解決，而這種轉(zhuǎn)換過(guò)程容易導(dǎo)致用戶信息的描述模糊、語(yǔ)義丟失、標(biāo)簽的個(gè)性化信息減弱的問(wèn)

2、題，進(jìn)而限制了個(gè)性化推薦的效果。
　　針對(duì)現(xiàn)有方法存在的不足，本文以CiteULike數(shù)據(jù)集為研究對(duì)象，提出了一種基于LDA模型的個(gè)性化標(biāo)簽推薦模型LTR。該模型運(yùn)用主題模型的思想解決社會(huì)化標(biāo)簽系統(tǒng)的推薦問(wèn)題，為了更加合理地設(shè)計(jì)推薦模型，首先對(duì)社會(huì)化標(biāo)簽系統(tǒng)、主題模型和 LDA等相關(guān)知識(shí)進(jìn)行了更深一層的探索。其次提出綜合考慮用戶、標(biāo)簽、資源和資源的語(yǔ)義信息，從話題語(yǔ)義層面來(lái)挖掘用戶和資源、標(biāo)簽和資源、資源之間的內(nèi)在聯(lián)系，構(gòu)建了基于

3、主題模型的社會(huì)化標(biāo)簽推薦模型LTR。
　　本文在CiteULike真實(shí)數(shù)據(jù)集上進(jìn)行了兩組的相關(guān)對(duì)比實(shí)驗(yàn)，從兩個(gè)角度分別驗(yàn)證該算法的推薦效果：
　　（1）固定推薦長(zhǎng)度下，比較 LTR算法與目前的主流的HOSVD、FolkRank、DirectBin25、SK5、Popitem、UCTM、Majdi’s Method方法的準(zhǔn)確率、召回率和 F1值，驗(yàn)證該算法的推薦效果；
　?。?）不同密度的數(shù)據(jù)集下，計(jì)算LTR算法在稀疏數(shù)