共查询到10条相似文献，搜索用时 15 毫秒
1.
An Approach for Personalized Recommendation via Hypergraph Projection and Random Walk 总被引：1，自引：0，他引：1
以大众分类(folksonomy)为基础的社会化网络中,通常用标签对资源特征和用户喜好进行描述,本文将标签语义引入传统的推荐系统,从用户的标注行为入手,提出一种基于超图投影的推荐方法,该方法利用投影图中节点的连边权重进行节点相似性度量,使待推荐对象在投影图上随机游走,根据待推荐对象在节点上停留概率获得推荐,实验结果表明标签的引入提高了推荐质量,算法在精确性和多样性上均有很好的改进. 相似文献
2.
目前,社会化标注已经成为个性化信息推荐领域中的研究热点之一,标签质量对于推荐效果的影响也受到了广泛关注.本文针对标签的质量问题,指出用户标注偏差普遍存在于标注系统中,尤其是形式偏差,给用户兴趣模型的合理提取形成了阻碍.基于此,我们提出了主流标签的概念,以其体现的大众智慧来克服标注偏差所带来的影响,通过分析资源中标签的平均标注率进行主流标签数量的确定,实现资源模型和用户协同模型的构建,并进一步结合兴趣度对用户协同模型加以了改进.最后,基于Delicious的数据和用户参与评分法,文章运用余弦相似性对模型推荐效果进行了验证. 相似文献
3.
针对大众标注系统中信息检索缺乏语义性的问题,引入本体,建立了基于系统专用本体的语义检索模型,包括7个功能模块:资源标注模块、标签推荐模块、提问处理模块、语义检索模块、结果处理模块、用户反馈处理模块以及本体构建和管理模块,阐述了各个模块的功能.详细分析了以查询扩展为基础的检索策略和过程.重点研究了系统专用本体的构建,提出一种通过分析标签间隐含的语义关系及WordNet辅助生成本体的方法,并进行了模拟实验验证. 相似文献
4.
基于社会化标注的个性化推荐研究进展 总被引：6，自引：2，他引：4
社会化标注是当前互联网研究中的一个热点.本文在对社会化标注的内涵和结构加以简单介绍的基础上,重点探讨了基于社会化标注进行推荐的相关进展.首先是明确了标签对于用户模型的意义,接着,从用户、资源和标签三个角度对基于社会化标注的聚类算法进行了讨论.同时也对基于社会化标注的排序算法进行了分析,并进一步将其分为依附补充、独立排序和通用排序三类算法.然后,对标签推荐方面的研究进行了探讨,主要是围绕内容分析、协同分析、语义分析三个方面展开的.最后,分析了社会化标注中个性化信息推荐的研究,发现借助矩阵、聚类和网络的分析是三种主要思路. 相似文献
5.
大众标注系统中基于本体的语义检索研究综述 总被引：1，自引：0，他引：1
针对大众标注系统中由于用户添加标签的多样性和模糊性导致的检索准确性问题,建立基于本体的大众标注系统语义检索模型,分析需要解决的关键问题,如基于社会化标签建立系统专用的本体和利用构建的本体实现语义检索,据此详细分类并阐述当前研究,并对未来研究进行展望。 相似文献
6.
在分析社会化标注系统标签检索研究现状基础上,针对传统方法可计算性不高、完备性不够、无法分辨自然语言的语义模糊性等不足,提出基于潜在语义分析的社会化标注系统标签语义检索模型,改进标签-资源矩阵权重计算算法,完善社会化标注系统的语义标注方法。并以delicious系统为例,抓取数据进行验证分析,通过对比,证明提出的模型和改进的算法能显著提高标签检索效率。 相似文献
7.
基于PLSA的大众标注资源主题挖掘* 总被引：1，自引：0，他引：1
针对大众标注中用户生成标签的随意性以及无规则性所导致的标签混乱问题,引入潜在语义索引分析PLSA算法,得到特定资源主题下的标签集,为网络信息组织及用户获取提供有效的途径。通过抽取Delicious网站中的用户标注信息,证实PLSA方法对于特定资源的主题特征具有比较好的效果。 相似文献
8.
知识组织系统在文献信息组织中意义重大,将其应用于网络环境下,结合流行的社会化标注,是规范社会标注的有效途径。En Tag标注系统,将单一社会化标注系统和基于知识组织系统的标签推荐系统相结合,研究其对用户检索共享信息的影响,并参考知识组织系统中DDC等层级结构的映射关系为用户提供相关推荐。实验证明,基于知识组织系统的社会化标注可以完善用户标签推荐。 相似文献
9.
基于Porter算法的英文标签聚类方法研究 总被引：1，自引：0，他引：1
针对大众标注中用户添加标签具有随意性且不受系统控制的问题,引入著名的Porter算法对英文标签进行词根提取,在此基础上提出可以根据用户需要进行精度选择的英文标签聚类算法,并利用标签云进行模拟实验.实验表明,采用此聚类算法有利于根据用户的需要组织标签并更准确地描述资源. 相似文献
10.
针对Web 2.0环境下大众分类系统中用户、资源和标签之间的三元相关关系,本文提出一种基于三部图的用户兴趣扩散模型,据此为用户进行网络资源的推荐.其主要思想是:通过迭代的扩散机制,使目标用户对信息的兴趣依三部图结构扩散至其他的用户、标签和资源上,然后以资源兴趣度排序为依据,在目标用户未曾收藏的资源中产生推荐.该推荐方法的优势在于扩大了推荐范围,避免了数据稀疏对推荐造成的干扰.利用公共数据集进行的实验表明,本文提出的推荐方法其准确率和召回率优于基于二部图用户兴趣扩散的资源推荐结果. 相似文献