基于社会标签的推荐系统研究

社会标签是一种新颖的大众索引方法,在Web 2.0时代各种收藏、检索、共享网站中得到广泛的应用,个性化推荐系统是基于用户的偏好为用户提供个性化信息服务的重要技术。本文针对推荐技术如何与社会标签结合的问题,分析了最新的研究现状和应用。详细阐述了3个方面的研究进展:标签推荐系统的研究、基于社会标签的个性化推荐系统的研究、社会标签的推荐应用系统。     

基于用户的协同过滤个性化商品推荐系统研究

论文首先探讨了电子商务推荐系统的定义和作用,然后分析了电子商务推荐系统的类型,最后在此基础上对基于用户的协同过滤推荐系统的实现进行了研究。     

基于标签的个性化信息推荐系统动力学模型与仿真

基于系统与控制理论, 通过分析标签系统中标签、用户、资源的关系, 运用系统动力学的方法分析个性化信息推荐的过程及影响因素, 在此基础上构建信息推荐的系统动力学模型, 并采用vensim PLE软件对模型进行仿真, 最后通过对模型的有效性验证分析, 揭示了信息推荐的特性及机理, 为进一步研究基于标签的个性化信息推荐动态演变提供研究思路。     

社会化标签系统中基于组合策略的个性化知识推荐研究

分析了基于社会化标签的个性化知识推荐研究的现状与不足,结合组合推荐中的变换策略和混合策略,建立了社会化标签系统中基于组合策略的个性化知识推荐系统架构,探讨了组合推荐所涉及的社会化标签—评价矩阵、社会化标签网络、知识互动型社会网络的相关问题。     

基于客户聚类的商品推荐

目前在电子商务领域,较为有效的商品推荐方法有两类,分别是基于相关性产品推荐和协同过滤推荐.然而,单独使用这两种推荐都会造成推荐耗时长,推荐质量差等问题.提出了三种有效的客户聚类方法从而解决了协同过滤推荐的"稀疏性"问题,结合相关性产品和协同过滤推荐,设计出更为有效的推荐过程并以淘宝网为实例详细分析这种推荐的实用性.     

基于标签的个性化信息推荐研究综述

标签系统构建的"用户-资源-标签"之间的三元关系为个性化信息推荐提供了新的研究思路,引起了部分学者的密切关注.本文依据推荐算法的不同,总结归纳了国内外基于标签的个性化信息推荐研究的相关成果,分析了现有研究的不足,展望了基于标签的个性化信息推荐研究的趋势.     

基于模块化聚类的标签弹性推荐

[目的/意义]社会化标注系统为用户检索提供便利的同时也面临一些困扰,标签推荐研究有助于解决资源检索中精确度与召回率之间的两难抉择。[过程/方法]借助网络科学的理论与方法,通过对标签网络的模块化聚类处理获得主题聚类,采用度数中心度对主题聚类内部标签进行排名,根据特定规则选取Top-N标签数量。[结果/结论]实验结果显示,研究中提出的模块化Top-N标签推荐方法,具有可逐层细化的精确度和良好的召回率。该方法的弹性机制可为不同的检索要求提供差异化服务。     

基于LDA主题模型的标签推荐方法研究

针对现有的标签推荐方法存在的推荐准确率不高与效果不理想等问题,本文提出了基于LDA主题模型的社会化标签推荐方法。该方法利用LDA主题建模技术将传统的基于对象间关系的推荐方法扩展到融合对象间关系与资源内容特征的统一推荐。实验结果表明,该方法取得了理想的预期效果,能够显著提高标签推荐的质量与效果。     

基于Mahout的推荐系统的分析与设计

推荐系统是一种根据用户喜好做出预测的应用系统,本文通过对推荐系统以及推荐系统的理论,包括相似度、协同过滤、基于内容等介绍,并对基于Mahout系统交互模型和系统架构进行分析介绍,最后分析了基于Mahout的推荐系统在大数据时代的优势。     

基于标签主题和概念空间的个性化推荐研究

社会化标签已经成为个性化信息推荐领域的研究热点之一.为了克服标签推荐存在的不足,文章提出一种综合考虑标签主题和主题概念空间两种因素的标签推荐方法(LDA-Concept).通过主题下标签的推荐可以保证推荐的准确性,标签概念空间的推荐可以保证多样性.以MovieLens为平台进行实验,结果表明主题因素和概念空间因素有着同等的重要性,提出的LDA-Concept方法优于单纯使用LDA方法.     

基于加权元组潜在语义分析的社会标签推荐

社会标注系统中用户生成的标签具有随意性和弱关联性,这将导致标签推荐的精确性降低。本文基于加权元组潜在语义的三维张量结构模型,引入社会网络的结构化分析方法对相关元组进行量化加权,以构建加权的三维张量结构模型,并通过元组的潜在语义分析,得到能体现用户兴趣度的加权元组集。最后,通过典型标注网站Delicious中的用户标注数据集,验证了基于加权元组潜在语义分析的三维张量模型具有较好的标签推荐效果。     

基于用户画像和视频兴趣标签的个性化推荐

【目的/意义】用户画像深刻地描述了视频用户的个体和群体行为特征,为视频的个性化推荐服务提供参 考。【方法/过程】通过文本挖掘对爬取的视频、用户及其观影数据分析,构建单个用户画像,并通过K-Means和LDA 模型对用户聚类并提取主题,挖掘群体用户特征。基于用户画像和时间指数衰减的视频兴趣标签,并结合视频喜 爱度和协同过滤,进行视频推荐。【结果/结论】考虑时间指数衰减的个性化推荐,提高了系统对用户兴趣的感知。 结合视频喜爱度和协同过滤,推荐视频评分达0.87,有助于提高用户对网站的忠诚度和活跃度。【创新/局限】基于用 户生成内容的文本挖掘结果,进行单个和群体用户画像,并创新性采用时间指数衰减构建用户视频兴趣标签,以捕 获用户兴趣的变化。由于网络爬虫的限制,实验数据量有一定的局限性,且特征提取兴趣范围有限。     

融合用户智能标签与社会化标签的推荐服务

【目的/意义】通过对用户和资源进行挖掘帮助用户找到自己感兴趣的资源已成为新网络环境下普遍存在 的服务方式之一,图书资源推荐服务不仅可以提高图书资源利用率,而且对于满足读者需求、提高用户满意度具有 重要现实意义。【方法/过程】针对目前图书推荐过程中存在的问题,提出融合人工智能和社会化标签的方法实现 书目推荐的思路,在深入分析用户兴趣与社会化标签、相似用户群之间的关系的基础上,提出一种融合用户智能标 签与社会化标签的推荐方法,并给出该推荐方法的详细流程。【结果/结论】实验结果表明,与传统的方法相比,本文 提出的融合方法具有更好的效果。     

基于混合模式的网络超市商品推荐方法

在分析现有网络商品推荐算法的优缺点及主要问题的基础上,提出一种基于混合模式的网络超市商品推荐方法。其主要思想是：通过商品本体概念和属性构建商品子模型,采用基于内容的推荐算法填充用户——商品评分矩阵;依据用户背景信息、评分数据和查询关键字构建用户子模型,采用K均值算法进行用户聚类;利用基于用户的协同过滤产生推荐。实验表明,混合算法提供的推荐结果更加准确高效。     

一种基于标签值分布强化学习推荐系统设计

<正>人们在互联网上的行为越来越普遍和频繁,大量的行为日志等数据被记录下来,尽管互联网信息存量巨大,但是却难以被有效利用,出现了信息过载等情况。推荐系统目的是通过利用用户与产品的交互行为数据对用户的行为特征进行分析,帮助用户筛选可能感兴趣的产品信息。其中NETFLIX,80%以上的电影观看来源于推荐系统。     

电子商务系统商品推荐方法浅析

随着互联网的普及和电子商务的发展,商品推荐系统逐渐成为电子商务系统中的重要技术和研究内容之一,受到了越来越多研究者的关注,人们提出了各种商品推荐技术。文章详细的论述了各种推荐系统所采用的推荐技术及其优缺点,探讨电子商务系统的构成、研究内容、研究现状,分析了现有的推荐系统存在的缺陷和问题,最后讨论了电子商务中商品推荐系统面临的挑战和研究方向。