谌颃

(广东技术师范学院天河学院 信息与传媒学院， 广东 广州 510540)



社会化标签语义相似度的协同过滤算法

谌颃

(广东技术师范学院天河学院 信息与传媒学院， 广东 广州 510540)

摘要：为解决传统的协同过滤算法不能准确理解用户的喜好，影响推荐准确率和推荐效果，提出基于社会化标签语义相似度的协同过滤算法.算法以标签语义相似度为基础，将项目资源和相关标签的语义信息纳入，显著提高了推荐系统的预测性能.研究结果表明：与以具体评分数据为基础的算法相比，该算法较好地解决了词相似度和句子相似度计算问题，推荐准确度和性能较以往的协同过滤算法有明显提高，改善了推荐效果.

关键词：协同过滤； 推荐系统； 社会化标签； 语义相似度； 预测性能

网络信息迅猛增长带来了日益严重的信息过载问题[1]，个性化推荐系统可帮助用户在海量信息中有效搜索关心的资源.这些系统一般采用了基于内容、协同过滤或两种方法混合的技术[1-2].虽然这些传统的推荐技术应用广泛，但是它们在理解用户喜好方面存在不足，因此推荐精确度和效果有较大的影响.标签系统为用户提供了另一种实现资源推荐的新方法，它是一种提供基于Web的服务，用户能使用简短的语言描述对网页信息资源进行分类的标签技术[2].此外，标签还为内容相似性的比较提供了方法.考虑标签和项目资源的语义差别，本文提出了一种基于社会化……