基于最近邻的标签修正推荐算法

摘要

基于标签的推荐系统通过研究用户打标签行为,为用户进行个性化推荐,因此用户所打标签的质量影响推荐效果,但目前大部分的研究并未考虑到标签的质量问题。针对标签单词拼写错误问题,论文提出一种基于最近邻的标签修正推荐算法(TCNNB)。该算法首先由Spark的RDD离线计算对数据集进行处理,得到所有标签单词的字母频次之差,然后使用欧式距离找出最接近的单词,即为修正后的标签单词,最后为用户进行个性化推荐。实验结果表明,引入TCNNB算法对标签单词进行修正,使推荐的精准度(召回率和准确率)得到了明显提高,较好地改进了基于标签的推荐系统的推荐效果。