10.3969/j.issn.1000-3428.2014.07.034
用户自适应的社会标签推荐模型
针对传统模型不能真实反映标签的生成过程以及无法加入用户角色等问题,提出一种新的用户-内容联合标注模型。该模型中标签的生成同时受用户兴趣和资源主题的影响,反映用户真实的标注过程,能够学习到包括用户的兴趣分布概率、资源的主题分布概率、词语的主题分布概率以及标签的主题分布概率等参数。实验结果表明,与CI-LD、ACorrLDA等模型相比,该推荐模型的正确率提高了10%。
社会标注、标签、隐含主题模型、狄利克雷分配模型、用户-内容联合标注模型、Gibbs 抽样
TP18(自动化基础理论)
国家自然科学基金资助项目“用户自适应的社会标签生成和优化模型研究”61272277;安徽省教育厅优秀青年基金资助重点项目“Web挖掘中的群智能算法应用研究”2011SQRL117ZD。
2014-08-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
174-178