杨 林,顾军华,官 磊,张宇娟,彭玉青

(河北工业大学 a.计算机科学与软件学院; b.河北省大数据重点实验室,天津 300400)

0 概述

随着信息技术和互联网的发展,互联网使用者从信息匮乏的时代步入了信息过载的时代,用户的个性化需求也越来越大。用户的个性化特征注重的是用户的参与,用户可以对资源(视频、歌曲、图片等)赋予自定义的标签,逐渐形成Folksonomy的大众分类法[1],该分类法不仅可以获取并分析用户的兴趣特征,而且在一定程度上丰富了资源的描述信息。随着网络资源规模爆发式的增长[2],用于标注的标签越来越多,用户面对大量的数据如何选出自己需要的标签越来越困难。解决信息过载的有效方法是个性化推荐[3],由此基于社会标注系统的标签推荐服务应运而生。例如,给书籍和视频提供短评的豆瓣网、论文书签网站CiteULike和视频推荐网站MovieLens等都是利用社会标注系统对资源进行标注,然后通过标签推荐系统将用户感兴趣的标签推荐给用户。推荐系统简化标注过程,方便用户,提高了标签的质量和标注的准确性。

标签推荐系统的核心是构建“用户-资源-标签”三维数据,挖掘数据之间的潜在关系,从而准确的为用户推荐标签。目前,针对标签推荐系统已经展开了大量的研究。文献[4-5]将三维关系拆成“用户-资源”、“用户-标签”和“资源-标签”3个二维矩阵,使用协同过滤算法进行处理。文献[6]受Google的PageRank算法[7]启发提出FolkRank算法,同样将三维关系拆分成3个二维关系。……