协同标签系统中基于标签组合效应的推荐算法

摘要

协同标签系统中现有的用户建模方法将用户视为标签向量,并假设向量中的标签均是用户感兴趣的,且只能分别计算单个标签之间的匹配程度,忽略了多个标签作为一个整体对用户兴趣产生的影响.为此,文中提出了一种基于标签组合效应的推荐算法(TGER).该算法利用用户对资源的评分筛选出对用户兴趣有重要影响的标签组合,通过高维标签组合优先匹配的方法计算用户与资源之间的相关度.在MovieLens数据集上的实验结果显示,TGER算法能明显地提高推荐的质量.