基于标签主题的协同过滤推荐算法研究

摘要：

传统基于标签的推荐算法仅考虑用户的评分信息,导致推荐准确度不高.为解决该问题,提出一种改进的协同过滤推荐算法.对用户-标签矩阵、资源-标签矩阵进行潜在Dirichlet分布建模,发掘推荐系统中的潜在语义主题,从语义层面计算用户对各资源的偏好概率,将计算出的偏好概率与协同过滤算法计算出的资源相似度相结合,预测用户偏好值,实现个性化推荐.在Movielens数据集上的实验结果表明,与传统基于标签的推荐算法相比,该算法能消除标签中存在的同义词、多义词等语义模糊问题,同时提高推荐准确度.

关键词：标签主题、协同过滤、潜在Dirichlet分布模型、个性化推荐、相似度

所属期刊栏目：43

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61379158,61502062;重庆市科技计划项目cstc2014jcyjA40054

在线出版日期：2017-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：247-252,258