基于标签和协同过滤的个性化资源推荐

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.

关键词：标签、协同过滤、推荐算法、用户偏好、资源相似度

所属期刊栏目：41

分类号：TP301(计算技术、计算机技术)

资助基金：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2012AA040904;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

在线出版日期：2014-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：69-71,110