基于标签聚类与用户模型的个性化推荐方法研究

摘要：

社会标签系统是Web2.0中提出的概念,旨在更好地表达用户的兴趣和意愿.而标签聚类是社会标签系统的个性化推荐中一个重要的研究课题.本文研究了如何基于标签聚类与用户模型来进行个性化推荐的方法.通过计算标签的相似度进行标签聚类,结合用户模型,根据标签聚类结果做出推荐.通过采用CiteULike公布的数据集进行实验证明,与未采用标签聚类的推荐方法相比,本方法不仅可提高推荐的命中率,优化目标资源的排名,而且能为用户发现更多新的感兴趣的资源.

关键词：社会化网络、社会标签系统、标签聚类、用户模型、个性化推荐

所属期刊栏目：36

分类号：G250.73(图书馆学、图书馆事业)

资助基金：北京市社会科学基金项目“一种基于北京高校图书馆阅读倾向分析的个性化推荐方法”项目15ZHC021的成果

在线出版日期：2016-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-78,99