叶 婷 曹 杰

(南京财经大学信息工程学院 江苏 南京 210046)

基于网络分割聚类的标签语义规范化推荐算法

叶 婷 曹 杰

(南京财经大学信息工程学院 江苏 南京 210046)

传统的推荐算法多以用户评分数据计算用户的兴趣偏好以及资源相似度，对稀疏数据以及新用户的推荐质量较低。考虑到用户标签数据的随意性和语义模糊性，提出基于标签网络分割聚类的语义规范化方法并建立基于规范化标签的用户兴趣模型。该模型能在不改变用户兴趣的前提下有效降低用户标签兴趣模型的向量维数，并能避免分析标签语义的复杂过程，且能根据用户自身的理解来获取用户兴趣。最后将标签兴趣模型应用到推荐算法中。通过与经典的推荐算法进行比较，验证了该算法能有效缓解数据稀疏性、推荐冷启动问题，提升了推荐结果的准确性，能获得更好的推荐效果。

标签 语义规范化 推荐算法

0 引 言

随着计算机科技的迅猛发展，社会的进步已经离不开信息网络，人们获取信息的方式以及沟通交流的方式也在不断增多，互联网已经极大地改变了人们的生活。然而，网络中充斥着复杂多样的信息，人们享受着足不出户便可以搜索丰富网络资源的同时，也不得不忍受“信息过载”带来的生活上的不便。传统的搜索引擎技术已经不能满足用户的搜索需要，因此个性化推荐技术孕育而生。个性化推荐系统可以挖掘分析用户的历史行为数据，并构建用户的兴趣模型从而智能地从海量信息资源中筛选出用户需要的资源推荐给用户，从而很好地缓解了信息过载问题[1]。……