基于对象和标签共现概率矩阵分解的视频标签推荐

摘要

随着网络多媒体内容的爆炸式增长,标签推荐已成为信息管理和检索的一项重要任务.目前常用的推荐算法如共现过滤的推荐算法、基于内容的推荐算法、基于知识的推荐算法,基于热度的推荐算法等.我们提出了利用视频共观看行为和标签共现融入基于概率矩阵分解的标签推荐.该方法利用异构关联,能够缓解数据稀疏性问题,为没有内容表示的对象提供更合理的标签.对来自Movielens的两个数据集的实验结果表明,该模型在RMSE指标上有一定提升.