[1]谌颃.社会化标签语义相似度的协同过滤算法[J].华侨大学学报(自然科学版),2016,37(1):84-87.[doi:10.11830/ISSN.1000-5013.2016.01.0084]
　CHEN Hang.Collaborative Filtering Algorithm Based on Social Tags Semantic Similarity[J].Journal of Huaqiao University(Natural Science),2016,37(1):84-87.[doi:10.11830/ISSN.1000-5013.2016.01.0084]
点击复制

社会化标签语义相似度的协同过滤算法()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第37卷
期数:
2016年第1期
页码:
84-87
栏目:
出版日期:
2016-01-03

文章信息/Info

Title:
Collaborative Filtering Algorithm Based on Social Tags Semantic Similarity
文章编号:
1000-5013(2016)01-0084-04
作者:
谌颃
广东技术师范学院天河学院 信息与传媒学院, 广东 广州 510540
Author(s):
CHEN Hang
Information and Communication College, Tianhe College of Guangdong Polytechnic Normal University, Guangzhou 510540, China
关键词:
协同过滤;  推荐系统;  社会化标签;  语义相似度;  预测性能
Keywords:
collaborative filtering;  recommendation system;  social tags;  semantic similarity;  prediction performance
分类号:
TP301.6
DOI:
10.11830/ISSN.1000-5013.2016.01.0084
文献标志码:
A
摘要:
为解决传统的协同过滤算法不能准确理解用户的喜好,影响推荐准确率和推荐效果,提出基于社会化标签语义相似度的协同过滤算法.算法以标签语义相似度为基础,将项目资源和相关标签的语义信息纳入,显著提高了推荐系统的预测性能.研究结果表明:与以具体评分数据为基础的算法相比,该算法较好地解决了词相似度和句子相似度计算问题,推荐准确度和性能较以往的协同过滤算法有明显提高,改善了推荐效果.
Abstract:
In order to solve the traditional collaborative filtering algorithm can not accurately understand the user’s preferences, affect the recommendation accuracy and recommendation effect, a collaborative filtering algorithm based on social tags semantic similarity is proposed. Based on the semantic similarity of tags, the semantic information of project resources and related tags is included, and the prediction performance of the recommendation system is significantly improved. Research results show that: compared with the algorithm based on the user rating, the proposed algorithm can solve the problem of word similarity and sentence similarity computation, and the recommendation accuracy and recommendation effect, as well as the performance of the proposed algorithm is significantly improved compared with the previous collaborative filtering algorithm.

参考文献/References:

[1] 王国霞,刘贺平.个性化推荐系统综述[J].计算机工程与应用,2012,48(7):66-74.
[2] BEGELMAN G,KELLER P,SMADJA F.Automated tag clustering: Improving search and exploration in the tag space[C]//Proceedings of the 15th International Conference on World Wide Web.Edinburgh:ACM Press,2006:1-5.
[3] 谌颃.使用分类改进标签推荐系统准确度的研究[J].微电子学与计算机,2011,28(5):96-93.
[4] 陈叶旺,李海波,余金山.一种基于农业领域本体的语义检索模型[J].华侨大学学报(自然科学版),2012,33(1):27-32.
[5] 杨现民,余胜泉.学习资源语义特征自动提取研究[J].中国电化教育,2013(11):74-80.
[6] 符征.语义引擎的形成及其应用[J].自然辩证法研究,2013(11):21-25.
[7] 邓双义.基于语义的标签推荐系统关键问题研究[D].上海:华东师范大学,2009:37-41.
[8] 许棣华,王志坚,林巧民,等.一种基于偏好的个性化标签推荐系统[J].计算机应用研究,2011(7):2573-2579
[9] 崔林,宋瀚涛,陆玉昌.基于语义相似性的资源协同过滤技术研究[J].北京理工大学学报,2005,25(5):402-405.
[10] 荀恩东,颜伟.基于语义网计算英语词语相似度[J].情报学报,2006,25(1):43-48.

备注/Memo

备注/Memo:
收稿日期: 2015-11-13
通信作者: 谌颃(1980-),男,高级工程师,主要从事网络信息系统、数据挖掘和个性化推荐技术的研究.E-mail:toboby@126.com.
基金项目: 广东省高等学校学科与专业建设专项(2013LYM_0110); 广东省教育科学规划专项(14JXN060)
更新日期/Last Update: 2016-01-20