社會化標注系統(tǒng)中群組推薦方法研究.pdf

1、隨著Web2.0技術的興起，網絡上出現了大量的社會化標注系統(tǒng)，用戶可以通過一個開放的平臺對共享資源進行個性化標注，同時可以上傳資源并將其分享到感興趣的群組中。由于群組能夠滿足用戶間交互與興趣分享等諸多需求，近年來吸引了大量的用戶。但是隨著群組數量的飛速增長，用戶手動的瀏覽或查找感興趣的群組成為一件困難而耗時的工作，迫切需要一種工具幫助用戶從海量的群組中過濾出有用的信息，群組推薦系統(tǒng)應運而生。群組推薦系統(tǒng)可以幫助用戶發(fā)現有價值的群組信息，

2、節(jié)約用戶時間，提高用戶對網站的滿意度，從而吸引更多用戶加入網站，實現服務提供商與用戶的雙贏。本文主要研究如何為社會化標注系統(tǒng)中的用戶和資源推薦群組，并以社會化標注系統(tǒng)中的典型代表——Flickr圖片共享網站為例，介紹主要的研究方法。盡管本文提出的方法都是基于Flickr，但它們均可以推廣到任意具有群組信息的社會化標注系統(tǒng)中。
　　Flickr允許用戶上傳圖片，為圖片添加標簽并將圖片分享到感興趣的群組中。用戶、標簽、圖片和組是Fli

3、ckr中主要的四個實體，它們之間相互關聯(lián)，形成了用戶、標簽、圖片和組之間的四元關系。本文在分析該四元關系的基礎上，提出了基于四元語義分析的Flickr組推薦模型，并利用該模型完成了以下工作:
　　(1)利于四元語義分析為Flickr用戶推薦組
　　為Flickr用戶推薦組的現有研究主要使用基于協(xié)同過濾的推薦算法，利用（用戶，組）二元關系或者（用戶，標簽，組）三元關系挖掘用戶和組之間潛在的語義關系。由于它們均忽略了圖片豐富的視

4、覺信息，同時標簽可能存在多義性和歧義性，因此往往不能提供準確的推薦結果。本文針對現有研究存在的問題和不足，提出了一種基于四元語義分析的Flickr組推薦方法，利用四階張量建模用戶、標簽、圖片類和組之間的四元關系，通過高階奇異值分解技術挖掘用戶和組之間潛在的語義關系，得到為用戶推薦的組列表。該方法首次將四元語義分析引入到組推薦領域，綜合利用圖片的視覺特征和標簽信息，通過挖掘用戶和組之間隱含的語義關系，為用戶推薦組。通過在Flickr數據集

5、上的實驗證明了本文提出的方法相比利用用戶、標簽和組之間三元關系的方法，在top-k和MAP評價標準下，取得了更精確的推薦結果。此外，在對Flickr圖片分類時，提出了一種基于稀疏編碼的改進的空間金字塔匹配方法，為空間金字塔中不同層次的圖像的稀疏編碼值賦予不同的權重，設計了一種新的空間金字塔匹配核，在Caltech101/256及PascalVOC2006數據集上的實驗證明，新的空間金字塔匹配核函數在分類準確率上優(yōu)于已有的基于空間金字塔匹

6、配的方法。
　　(2)利用四元語義分析為Flickr圖片推薦組
　　現有為Flickr圖片推薦組的研究主要使用基于內容的推薦算法，需要為每個主題建立一個模型，系統(tǒng)可擴展性差。此外，推薦時僅根據圖片的特征沒有考慮用戶的興趣，導致推薦結果不一定滿足用戶的興趣需要。本文針對現有研究存在的問題和不足，提出了基于四階張量分解的Flickr組推薦算法，將用戶的興趣信息引入到推薦模型中，利用基于協(xié)同過濾的推薦方法為圖片推薦組。算法使用四階

7、張量建模圖片、用戶、標簽和組之間的四元關系，利用高階奇異值分解和kernel-SVD技術挖掘用戶潛在的興趣以及圖片和組之間潛在的語義關系，為圖片推薦滿足用戶興趣需要的組。此外，為了解決模型的可擴展性問題，當有新的用戶、圖片、標簽和組加入模型時，利用folding-in或IncrementalSVD技術增量更新模型，避免了大量的重復計算。通過在Flickr數據集上的實驗證明了本文提出的算法比現有基于內容的推薦算法推薦結果的MAP值有大幅提

8、升。
　　(3)設計并實現了Flickr組推薦統(tǒng)一框架及Web應用原型系統(tǒng)。
　　現有的Flickr組推薦方法只能單獨為用戶或圖片推薦組，不能將兩者集成在一個統(tǒng)一框架中。而實際應用中，Flickr用戶不僅希望知道自己上傳的圖片適合分享的組同時還希望了解有哪些自己感興趣的組。本文在前面兩項工作的基礎上，建立了基于四元語義分析的Flickr組推薦統(tǒng)一框架，設計并實現了Flickr組推薦Web應用原型系統(tǒng)，該系統(tǒng)可以在為圖片推薦組