基于特征加权张量分解的标签推荐算法研究

摘要：

针对标签推荐系统存在极度稀疏性的问题,通过提取标注过程的关键特征并计算元组的初始权重,构建加权元组集的张量模型;然后应用高阶奇异值分解(high order singular value decomposition,HOSVD)对张量模型降维,根据处理结果作标签推荐,从而达到提高推荐效率的目的;运用MovieLens数据集对基于特征加权张量分解的标签推荐算法进行了模拟,实验结果表明:基于特征加权张量分解的标签推荐算法比传统算法推荐效果更好.该方法能够有效改善数据稀疏性问题,提高了推荐效率.

关键词：大众标注、标签推荐、张量分解、特征加权、高阶奇异值分解

所属期刊栏目：29

分类号：TP39(计算技术、计算机技术)

资助基金：泰州市科技支撑项目TS201515;教育部人文社科基金资助项目10YJAZH069;江苏省"六大人才高峰"项目2012XXRJ-013

在线出版日期：2016-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：574-579