孙玲芳，冯遵倡

(1.泰州学院计算机科学与技术学院，江苏泰州225300)

(2.江苏科技大学计算机科学与工程学院，江苏镇江212003)

基于特征加权张量分解的标签推荐算法研究

孙玲芳1，冯遵倡2

(1.泰州学院计算机科学与技术学院，江苏泰州225300)

(2.江苏科技大学计算机科学与工程学院，江苏镇江212003)

针对标签推荐系统存在极度稀疏性的问题，通过提取标注过程的关键特征并计算元组的初始权重，构建加权元组集的张量模型;然后应用高阶奇异值分解(high order singular value decomposition，HOSVD)对张量模型降维，根据处理结果作标签推荐，从而达到提高推荐效率的目的;运用MovieLens数据集对基于特征加权张量分解的标签推荐算法进行了模拟，实验结果表明:基于特征加权张量分解的标签推荐算法比传统算法推荐效果更好。该方法能够有效改善数据稀疏性问题，提高了推荐效率.

大众标注;标签推荐;张量分解;特征加权;高阶奇异值分解

随着WEB2.0的快速发展，网络中社会标签(Social Tags)数据越来越多，大量标签数据处于无控制状态，存在冗余性和概念上的模糊性等问题，影响了大众标注系统的进一步发展.标签推荐(tag recommendation)是大众标注系统的重要应用之一，它能够简化标注过程，为用户提供个性化的标签并很好地控制数据的冗余性和模糊性［1］.

为解决标签推荐系统存在数据极度稀疏性的问题，张量分解方法越来越多地被应用到标签推荐系统中.文献［2］中首先将张量应用于社会标签系统中，利用其能够完整地表示高……