基于标签和协同过滤的个性化资源推荐

作     者：蔡强 韩东梅 李海生 胡耀光 陈谊 CAI Qiang;HAN Dong-mei;LI Hai-sheng;HU Yao-guang;CHEN Yi

作者机构：北京工商大学计算机与信息工程学院北京100048 北京理工大学工业设计研究所北京100081 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2014年第41卷第1期

页      面：69-71,110页

核心收录：

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(71071019) 国家高技术研究发展计划(863项目)(2012AA 040904) 北京市属高等学校人才强教计划资助项目(PHR201108075) 重点学科-计算机应用技术(PXM2013_014213_000030_00042300)资助 

主　　题：标签 协同过滤 推荐算法 用户偏好 资源相似度 

摘      要：传统的协同过滤算法以用户评分体现用户兴趣偏好及资源相似度,忽视了用户、资源自身的特征,并且对稀疏数据和新资源的推荐质量明显下降。在Web2.0时代下,标签可被用户依个人偏好进行自由资源标注。因此,提出了基于标签和协同过滤的推荐算法。其基本思想是将标签作为体现用户兴趣偏好和资源特征的信息,依据用户、标签及资源的多维关系生成用户及资源的标签特征向量,并计算用户对资源的偏好程度和资源相似度,然后基于用户的历史行为预测用户对其他资源的偏好值,最后依据预测偏好值排序产生Top-N推荐结果。通过与传统的协同过滤算法的比较,验证了本算法能有效缓解数据的稀疏性,解决推荐的冷启动问题,提升推荐的准确性,获得更好的推荐效果。