基于标签和因子分析的协同推荐方法

摘要：

根据在线社区中群体的历史行为进行物品(或信息)推荐是当前研究热点之一，传统推荐算法都面临数据稀疏性问题的挑战。针对传统推荐算法知识表示的局限性进行了研究，提出了一种基于标签系统的用户行为知识表示法，把用户在物品上历史行为的统计，转化为对用户在物品标签上的统计，从而缓解数据稀疏的情况。为了降低标签维度过高导致的计算复杂性问题，提出了采用因子分析法，抽取出潜在重要且稳定的特征因子向量来最终表示用户的历史行为，并据此度量用户行为在特征因子向量上的相似性。最后采用协同过滤的思想给出了一种新的协同推荐方法。通过在真实数据集上的大量对比实验，表明该方法在处理具有稀疏性的数据集时，总是能保持更高且更稳定的推荐准确率。

关键词：推荐系统、数据稀疏性、标签系统、因子分析、评分预测

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61462018;广西高校高水平创新团队及卓越学者计划资助项目;广西可信软件重点实验室基金项目kx201202

在线出版日期：2015-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：34-38