基于多阈连续条件随机场的标签推荐

摘要

标签推荐系统的推荐结果质量不高,会影响和误导用户对资源的查找与定位,甚至引发信息迷航的现象.为了提高推荐结果的准确度和覆盖度,提出的多阈连续条件随机场模型,不仅保持了条件随机场无须对数据作独立性假设且能避免标注偏执问题的优势,同时还使用标签间共现率、语义相似度和用户相似度三重阈提取特征,一并挖掘出显性和隐性标签,充分结合用户差异性,通过最大似然估计法迭代计算模型参数,建立模型来推荐标签.在BibSonomy数据集上测试表明该方法可行,实验效果与基于连续条件随机场模型、最大熵模型方法对比显示了本模型推荐的标签更精准、更全面；本模型在标签推荐中表现出了良好的稳定性.