改进的标签可重叠社区推荐模型

摘要：

基于物品的协同过滤推荐算法以及基于三部图的资源扩散算法存在信息利用率不高,标签数据稀疏等问题.为了解决这些问题,提出改进的标签可重叠社区推荐模型,旨在充分利用已有信息和标签为用户进行个性化推荐,缩短用户查找资源的时间,提高推荐质量.以影视推荐为例,该模型将电影相关信息转化为标签,通过用户、电影以及标签之间的关系构建完全三部图,引入资源扩散算法和K-means算法发现并划分标签的可重叠社区,进而基于标签的可重叠社区为用户进行个性化推荐.在hetrec2011-movielens-2k数据集上的实验表明,与基于物品的协同过滤推荐算法以及基于三部图的资源扩散算法相比较,所提出的推荐模型准确率和召回率均有提升.

关键词：社会化标签、可重叠社区、影视推荐、复杂网络、完全三部图

所属期刊栏目：40

资助基金：国家自然科学基金青年项目;湖南省自然科学基金青年项目;湖南省哲学社会科学基金项目

在线出版日期：2021-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2058-2070