检索结果-南通市图书馆

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

序列标签推荐

计算机科学 2024年

作者：刘冰徐鹏宇陆思进王诗菁孙宏健景丽萍于剑北京交通大学交通数据分析与挖掘北京市重点实验室北京交通大学计算机与信息技术学院

随着互联网技术的发展以及社交网络的扩大，网络平台已经成为人们获取信息的一个重要途径。标签的引入便利了信息分类及检索。同时，标签推荐系统的出现不仅方便了用户输入标签，还提高了标签的质量。传统的标签推荐算法通常只考虑标签... 详细信息

随着互联网技术的发展以及社交网络的扩大，网络平台已经成为人们获取信息的一个重要途径。标签的引入便利了信息分类及检索。同时，标签推荐系统的出现不仅方便了用户输入标签，还提高了标签的质量。传统的标签推荐算法通常只考虑标签和项目两个主体，而忽略了用户在选择标签时个人意图所起到的重要作用。由于在标签推荐系统中标签最终由用户确定，所以用户的偏好在标签推荐中起着关键作用。因此，我们引入用户作为主体，并结合用户发布的历史帖子的先后顺序，将标签推荐任务建模为更加符合真实场景的序列标签推荐任务。为了解决这一任务，本文提出了一种基于MLP的序列标签推荐方法（MLP for sequential tag recommendation，简称MLP4STR），该方法显式地建模用户偏好用于引导整体标签推荐。MLP4STR采用一种跨特征对齐的MLP序列特征提取框架，将文本和标签的特征对齐，获取用户的历史帖子信息和历史标签信息中隐含的用户动态兴趣。最后，结合帖子内容和用户偏好进行标签推荐。在四个真实世界的数据集上得到的实验结果表明，MLP4STR能够有效地学习序列标签推荐中的用户历史行为序列的信息，其中，评价指标F1@5较最优的对比算法有显著提升。

关键词：标签推荐序列推荐多标签学习用户偏好

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于度量学习的标签推荐算法研究

基于度量学习的标签推荐算法研究

作者：王经龙浙江科技大学

学位级别：硕士

标签推荐是指一种用于为用户生成或推荐标签(也称为关键词、标识符或元数据)的技术,在许多复杂应用场景中能够向使用智能设备的用户推荐符合自身意图的标签来描述产品的内容。随着计算机科学和AI产业的迅速发展,标签推荐一方面可帮助用... 详细信息

标签推荐是指一种用于为用户生成或推荐标签(也称为关键词、标识符或元数据)的技术,在许多复杂应用场景中能够向使用智能设备的用户推荐符合自身意图的标签来描述产品的内容。随着计算机科学和AI产业的迅速发展,标签推荐一方面可帮助用户、企业和研究者更好地处理海量的信息和数据,另一方面可以提高生产效率、降低企业成本,提供可靠的产品和增加用户对企业的信任度。因此,标签推荐作为人工智能,计算机科学和数据挖掘等众多交叉学科中的长期研究热点,受到学术界和工业界的大量关注。然而,现有的标签推荐建模方法面临着四个主要的研究问题,分别是以内积预测得分而不满足三角形不等式、易于遭受噪声干扰产生错误分类、数据多样性有限和难以在欧几里得空间中捕获层级结构。为此,本论文围绕度量学习在标签推荐中的应用开展了系统性研究,针对上述研究问题,分别提出了基于角裕度成对度量学习的标签推荐、基于深度对抗度量学习的标签推荐、基于困难负样本合成度量学习的标签推荐和基于双曲空间增强度量学习的标签推荐。本文的主要贡献可以概括如下:首先,本文提出一种基于成对度量学习模型,构建了用户-项目-标签三联体之间的距离度量,采用欧氏距离针对实体的距离关系进行设计,并以三重损失推动相似样本靠近,同时将负样本推远。另一方面,度量学习面临固定裕度的限制,不同数据类别通常有着不同的类内变化,固定裕度往往造成分类的不准确性,降低标签推荐的质量。为此,本文提出一种基于角裕度成对度量学习模型,在原有三重损失基础上,额外设计了一项角裕度正则化器,分别控制用户-标签和项目-标签的角裕度大小,并通过约束角裕度正则化器的强度来动态调整实体对的距离变化,相比传统的度量学习方法能够捕获额外的关系结构。最终在基于真实业务应用场景下获取的数据开展实验验证,验证了基于角裕度成对度量学习模型在标签推荐中的有效性、可解释性和性能准确性。然后,由于数据样本往往遭受噪声的干扰,导致测试数据与训练数据差异较大,通常难以取得良好泛化能力。为此本文提出一种基于深度对抗度量学习模型。一方面,利用注意力机制将用户偏好、项目特征反映在不同类型的标签信息交互中,自适应地学习用户-标签以及项目-标签之间的潜在关系。此外,本文构造了结合度量学习和对抗学习的新型目标函数,其原理为在原始参数上直接添加对抗扰动,旨在攻击原始模型参数以及迫使系统进行对抗防御。最终在三个公开可用数据集上进行大量实验,验证了基于深度对抗度量学习模型的有效性和准确性。接着,由于训练数据中的困难负样本通常只占少数,分类器的分类能力在训练过程仅依赖于简单的负样本而受到限制,接近边缘的困难负样本常常难以挖掘,导致在分类过程中这些困难的负样本被错误的推荐给用户。为此,本文提出一种基于困难负样本合成的度量学习模型,利用一个全连接网络针对标签的负样本进行扩充,借助所合成的困难负样本,可以丰富数据的多样性,准确识别和推荐罕见的或难以预测的标签。此外,通过联合训练对抗负样本损失函数和原始距离度量损失函数,能够共同优化推荐结果的质量。最终,基于从真实音乐网站和电影网站上收集的数据集,开展大量实验验证了方法的有效性,还进行了一项有效的消融实验来量化对抗组成成分对推荐性能的贡献。最后,在双曲空间中构建用户-项目-标签的双曲距离关系,为此本文提出一种基于双曲嵌入学习模型,利用庞加莱球模型建模了用户-标签和项目-标签的双曲距离关系,并采用了三重损失来减小相似数据间的距离并扩大不同数据间的距离,同时使用黎曼梯度下降法对涉及到的参数进行更新。另外,基于图神经网络的标签推荐模型被用于捕获用户-项目-标签的高阶协作信号,然而这些方法只能针对邻居节点的信息进行聚合,其难以捕获图的树状/层级结构,只能捕获局部特征。为此,本文提出一种基于双曲图卷积神经网络模型,利用对数映射将用户、项目和标签的嵌入表示映射在切空间中并针对图卷积层进行了设计,建模了用户-标签和项目-标签的交互图来聚合高级邻居表示,并将聚合后的邻居表示通过一个指数映射投影到双曲空间中。最终在真实数据集上进行了大量实验验证,针对不同组件、不同裕度的取值、不同维度变化和不同参数的影响进行了有效分析,为在标签推荐中应用双曲空间做了一定的可解释说明。

关键词：标签推荐度量学习对抗学习困难负样本双曲空间

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

标签推荐方法研究综述

软件学报 2022年第4期33卷 1244-1266页

作者：徐鹏宇刘华锋刘冰景丽萍于剑交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京100044 北京交通大学计算机与信息技术学院北京100044

随着互联网信息的爆炸式增长,标签(由用户指定用来描述项目的关键词)在互联网信息检索领域中变得越来越重要.为在线内容赋予合适的标签,有利于更高效的内容组织和内容消费.而标签推荐通过辅助用户进行打标签的操作,极大地提升了标签的质... 详细信息

随着互联网信息的爆炸式增长,标签(由用户指定用来描述项目的关键词)在互联网信息检索领域中变得越来越重要.为在线内容赋予合适的标签,有利于更高效的内容组织和内容消费.而标签推荐通过辅助用户进行打标签的操作,极大地提升了标签的质量,标签推荐也因此受到了研究者们的广泛关注.总结出标签推荐任务的三大特性,即项目内容的多样性、标签之间的相关性以及用户偏好的差异性.根据这些特性,将标签推荐方法划分为3个类别,分别是基于内容的方法、基于标签相关性的方法以及基于用户偏好的方法.之后,针对这3个类别下的对应方法进行了梳理和剖析.最后,提出了当前标签推荐领域面临的主要挑战,例如标签的长尾问题、用户偏好的动态性以及多模态信息的融合问题等,并对未来研究方向进行了展望.

关键词：机器学习信息检索推荐系统标签推荐用户偏好

在线全文

学校读者我要写书评

暂无评论

基于主题模型的Mashup标签推荐方法

计算机学报 2017年第2期40卷 520-534页

作者：刘建勋石敏周栋唐明董张婷婷湖南科技大学知识处理与网络化制造湖南省普通高校重点实验室湖南湘潭411201

Web 2.0时代,标签作为Web资源管理和检索的有效方式已成为近年的热点研究对象.开发者通常为新的Mashup人工指定若干与功能性相关的标签,以便于用户理解、检索以及实现Mashup资源的分类管理.然而,手动指定标签十分繁琐且费时,自动生成Mas... 详细信息

Web 2.0时代,标签作为Web资源管理和检索的有效方式已成为近年的热点研究对象.开发者通常为新的Mashup人工指定若干与功能性相关的标签,以便于用户理解、检索以及实现Mashup资源的分类管理.然而,手动指定标签十分繁琐且费时,自动生成Mashup标签十分必要但缺乏有效方法.针对该问题,文中提出一种基于主题模型的方法进行Mashup标签的自动推荐.该方法首先建立Mashups与Web Application Programming Interfaces(APIs)的描述文档以及Mashups与APIs之间的组合关系模型,然后寻找与待推荐标签Mashup的描述文档主题分布相似的Web APIs,并将它们与该Mashup直接组合的APIs合并,采用一种带权重的PageRank算法,从中挑选出最重要的APIs,最后将它们已有标签推荐给该Mashup.同时,针对所提方法文中设计实现一种标签排序算法,该算法优先推荐那些与Mashup主题最相关的标签.根据使用从ProgrammableWeb收集的真实数据进行实验可知,文中所提出的方法明显优于其他自动化标签推荐方法.

关键词： Mashup Web APIs 标签推荐主题模型 PageRank 云计算

在线全文

学校读者我要写书评

暂无评论

基于PMF进行潜在特征因子分解的标签推荐

湖南大学学报（自然科学版） 2015年第10期42卷 107-113页

作者：刘胜宗樊晓平廖志芳吴言凤中南大学信息科学与工程学院湖南长沙410075 湖南财政经济学院网络化系统研究所湖南长沙410205 中南大学软件学院湖南长沙410075

现有社会标签推荐技术存在数据稀疏、时间复杂度高以及可解释性低等问题,鉴于此,提出基于概率矩阵分解(PMF)进行潜在特征因子联合分解的标签推荐算法(TagRec-UPMF),它结合用户、资源及标签3方面的潜在特征,联合构建对应的概率形式的潜... 详细信息

现有社会标签推荐技术存在数据稀疏、时间复杂度高以及可解释性低等问题,鉴于此,提出基于概率矩阵分解(PMF)进行潜在特征因子联合分解的标签推荐算法(TagRec-UPMF),它结合用户、资源及标签3方面的潜在特征,联合构建对应的概率形式的潜在特征向量,然后根据它们两两之间的特征向量内积进行线性组合,从而产生Top-N推荐.该算法解决了数据规模大且稀疏情况下的精度问题,算法的线性复杂度使得其可用于大规模数据.实验结果表明,相比于TagRec-CF,PITF,TTD,Tucker,NMF等算法,本文算法既提高了推荐的准确率,又降低了时间损耗.与PITF算法相比较,准确率得到了提高,而处理时间相差不明显;与TTD算法相比较,在准确率相差不明显的情况下,大大降低了时间损耗.因此,本文的TagRec-UPMF算法相比其他算法表现出了一定的优势.

关键词：协同过滤潜在特征因子标签推荐推荐系统概率矩阵分解

在线全文

学校读者我要写书评

暂无评论

融合关系与内容分析的社会标签推荐

软件学报 2012年第3期23卷 476-488页

作者：张斌张引高克宁郭朋伟孙达明东北大学信息科学与工程学院辽宁沈阳110004 东北大学计算中心辽宁沈阳110004

标签是Web 2.0时代信息分类与索引的重要方式.为解决标签系统所面临的不一致性、冗余性以及完备性等问题,标签推荐通过提供备选标签的方法来提高标签的质量.为了进一步提升标签推荐的质量,提出了一种基于标签系统中对象间关系与资源内... 详细信息

标签是Web 2.0时代信息分类与索引的重要方式.为解决标签系统所面临的不一致性、冗余性以及完备性等问题,标签推荐通过提供备选标签的方法来提高标签的质量.为了进一步提升标签推荐的质量,提出了一种基于标签系统中对象间关系与资源内容融合分析的标签推荐方法,给出了基于LDA(latent Dirichlet allocation)的融合表示对象间关系与资源内容的标签系统生成模型TSM/Forc,提出了一种基于概率的标签推荐方法,并给出了基于吉布斯(Gibbs)抽样的参数估计方法.实验结果表明,该方法可以提供比当前主流与最新方法更加准确的推荐结果.

关键词： Web 2.0 社会标签标签推荐融合方法 LDA(latent Dirichlet allocation)

在线全文

学校读者我要写书评

暂无评论

标签推荐Top-N列表优化算法

计算机应用与软件 2022年第11期39卷 281-287页

作者：朱小兵丁明玉肖玉赛轮集团股份有限公司信息中心山东青岛266400

针对标签推荐算法推荐列表长度常为固定值,进而导致推荐精度下降的问题,提出一种优化标签推荐算法Top-N推荐列表长度的算法。该算法对Top-N推荐列表进行重排序;再对排序以后的Top-N标签推荐列表进行列表长度的优化,进而计算出最优的标... 详细信息

针对标签推荐算法推荐列表长度常为固定值,进而导致推荐精度下降的问题,提出一种优化标签推荐算法Top-N推荐列表长度的算法。该算法对Top-N推荐列表进行重排序;再对排序以后的Top-N标签推荐列表进行列表长度的优化,进而计算出最优的标签推荐列表长度。在多个真实数据集之上进行了多次对比实验,结果表明,标签Top-N推荐列表优化算法具有较好的推荐性能。

关键词：标签推荐 Top-N列表标签推荐系统列表优化

在线全文

学校读者我要写书评

暂无评论

考虑用户标注状态的标签推荐方法

模式识别与人工智能 2014年第8期27卷 673-682页

作者：于洪邓明瑶胡峰重庆邮电大学计算智能重庆市重点实验室重庆400065

为进一步提升标签推荐的质量,提出一种考虑用户当前标注状态的标签推荐方法.首先根据统计分析方法发现社会标签系统中用户使用的标签总数随时间有一定的变化规律,因此提出当前用户标注状态可能属于下列3种情况之一:成长态、成熟态和休眠... 详细信息

为进一步提升标签推荐的质量,提出一种考虑用户当前标注状态的标签推荐方法.首先根据统计分析方法发现社会标签系统中用户使用的标签总数随时间有一定的变化规律,因此提出当前用户标注状态可能属于下列3种情况之一:成长态、成熟态和休眠态,并给出相关定义.然后根据3种用户标注状态的不同特点,提出不同策略下计算标签的概率分布,为用户推荐最可能使用的标签.对比实验表明文中方法能提供更准确的推荐结果.

关键词：社会标签标签推荐标注状态概率分布

在线全文

学校读者我要写书评

暂无评论

基于受控词表的医学资源社会化标签推荐研究

情报学报 2013年第12期32卷 1326-1332页

作者：贾君枝孙智超邰杨芳山西大学经济与管理学院太原030006 山西医科大学太原030012

社会化标注是Web2．0环境下的新兴标注方法，标签是其核心要素，但是标签的多样性、模糊性、非结构化以及语义关系不明等特点影响着信息检索的效率。本文以“豆丁医学”为例，利用《中国分类主题词表》的层级结构关系和标签的统计学规... 详细信息

社会化标注是Web2．0环境下的新兴标注方法，标签是其核心要素，但是标签的多样性、模糊性、非结构化以及语义关系不明等特点影响着信息检索的效率。本文以“豆丁医学”为例，利用《中国分类主题词表》的层级结构关系和标签的统计学规律，建立标签和主题词间的映射关系。并通过标签聚类来扩展这种映射，为用户提供更好地标签推荐和层次浏览机制。实验证明，本文提出的基于主题词的标签推荐模型能够较好地为用户提供标签推荐和分类导航服务。

关键词：社会化标注标签映射标签推荐