首页 | 本学科首页   官方微博 | 高级检索  
     

TEFRCF:标签熵特征表示的协同过滤个性化推荐算法
引用本文:何明,杨芃,要凯升,张久伶.TEFRCF:标签熵特征表示的协同过滤个性化推荐算法[J].计算机科学,2018,45(Z6):465-470, 486.
作者姓名:何明  杨芃  要凯升  张久伶
作者单位:北京工业大学信息学部 北京100124,北京工业大学信息学部 北京100124,北京工业大学信息学部 北京100124,北京工业大学信息学部 北京100124
基金项目:本文受国家自然科学基金项目(91646201,91546111),北京市教委科研计划一般项目(KM201710005023)资助
摘    要:标签作为Web 2.0时代信息分类和检索的有效方式,已经成为近年的热点研究对象。标签推荐系统旨在利用标签数据为用户提供个性化推荐。现有的基于标签的推荐方法在预测用户对物品的兴趣度时往往倾向于赋予热门标签及其对应的热门物品较大的权重,导致权重偏差,降低了推荐结果的新颖性,未能充分反映用户个性化的兴趣。针对上述问题,定义了标签熵的概念来度量标签的不确定性,提出了标签熵特征表示的协同过滤个性化推荐算法。该算法通过引入标签熵来解决权重偏差问题,利用三分图形式描述用户-标签-项目之间的关系;构建基于标签熵特征表示的用户和项目特征表示,并通过特征相似性度量方法计算项目的相似性;最后利用用户标签行为和项目的相似性线性组合预测用户对项目的偏好值,并根据预测偏好值排序生成最终的推荐列表。在Last.fm数据集上的实验结果表明,该方法能够提高推荐准确性和新颖性,满足用户的个性化需求。

关 键 词:协同过滤  标签    推荐系统

TEFRCF:Collaborative Filtering Personalized Recommendation Algorithm Based on Tag Entropy Feature Representation
HE Ming,YANG Peng,YAO Kai-sheng and ZHANG Jiu-ling.TEFRCF:Collaborative Filtering Personalized Recommendation Algorithm Based on Tag Entropy Feature Representation[J].Computer Science,2018,45(Z6):465-470, 486.
Authors:HE Ming  YANG Peng  YAO Kai-sheng and ZHANG Jiu-ling
Affiliation:Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China,Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China,Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China and Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China
Abstract:
Keywords:Collaborative filtering  Tag  Entropy  Recommendation systems
点击此处可从《计算机科学》浏览原始摘要信息
点击此处可从《计算机科学》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号