基于條件隨機場的標簽推薦問題研究.pdf

1、標簽推薦是一個新的研究方向，其旨在為目標資源自動添加標簽作為描述信息，來緩解標簽空間噪聲數(shù)據(jù)增多、標簽指代內(nèi)容模糊等現(xiàn)象。目前，標簽推薦方法主要有基于內(nèi)容的方法、基于協(xié)同過濾的方法以及基于圖的方法，但這些方法都沒有考慮標簽間的依賴關系。而在標簽系統(tǒng)中，標簽之間具有很強的依賴關系，利用這種依賴關系會提升推薦的性能。
　　 針對標簽推薦研究中忽略標簽關系這一問題，本文提出將標簽關系融入推薦模型來改進推薦性能。在推薦過程中，使用排序值

2、衡量候選標簽與資源的相關。性，排序值越大表示兩者越相關。本文使用條件隨機場(CRF)模型對候選標簽進行排序，該模型引入標簽間的關系信息，從排序輸入向量和候選標簽間的共用關系兩個方面計算排序結(jié)果。具體來說，本文的主要內(nèi)容如下：
　　 本文首先對標簽推薦已有算法進行簡單的描述和分析，并對條件隨機場模型進行介紹。
　　 接著，研究和實現(xiàn)標簽推薦算法。本文先分析和實現(xiàn)目標算法的基礎算法——基于最大熵理論的標簽推薦(ME-TR)算

3、法。在此基礎上，引入標簽共用的依賴關系，提出基于條件隨機場的標簽推薦(CRF-TR)算法。在大規(guī)模的數(shù)據(jù)集上，標簽數(shù)據(jù)較豐富，使用標簽對共用關系的CRF-TR算法的推薦性能優(yōu)于ME-TR算法。
　　 最后，對本文提出的算法進行實驗驗證與分析。實驗的結(jié)果表明，引入標簽關系信息的CRF-TR算法的性能優(yōu)于其他的算法。將提出的CRF-TR模型應用到“杏壇——漢語學習網(wǎng)”的課程標簽推薦中，實現(xiàn)了在線課程標簽推薦系統(tǒng)，取得了較為理想的推薦