• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    標(biāo)簽擴(kuò)展的協(xié)同過濾推薦算法 *

    2021-10-26 02:12:30陳海龍閆五岳孫海嬌
    關(guān)鍵詞:標(biāo)簽語義協(xié)同

    陳海龍,閆五岳,孫海嬌,程 苗

    (哈爾濱理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,黑龍江 哈爾濱 150080)

    1 引言

    隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,互聯(lián)網(wǎng)人口快速增長(zhǎng),隨之導(dǎo)致網(wǎng)上數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)態(tài)勢(shì),從而導(dǎo)致了嚴(yán)重的信息過載。為了使用戶能夠快速準(zhǔn)確地獲取自己感興趣的物品,推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)能夠分析系統(tǒng)中的用戶數(shù)據(jù),根據(jù)用戶的喜好為用戶推薦商品或服務(wù),能夠有效地解決信息過載帶來的問題。目前,成熟的推薦算法有很多,如基于內(nèi)容的推薦[1]、協(xié)同過濾推薦[2]和基于關(guān)聯(lián)規(guī)則的推薦[3]等。

    在有關(guān)的推薦算法中,協(xié)同過濾推薦算法應(yīng)用最為廣泛。但是,協(xié)同過濾模型的一大問題是數(shù)據(jù)稀疏,該問題影響了推薦算法的推薦質(zhì)量。為了緩解數(shù)據(jù)稀疏對(duì)推薦算法的影響,研究人員進(jìn)行了許多嘗試。例如Cui等[4]為解決個(gè)性化興趣點(diǎn)POI(Point-Of-Interest)推薦數(shù)據(jù)稀疏問題,從多角度來擴(kuò)展協(xié)同過濾模型。Guan[5]提出了一種三維協(xié)同過濾框架,通過使用用戶和項(xiàng)目的特征進(jìn)行相似度計(jì)算來處理數(shù)據(jù)稀疏性問題。除此之外,為了實(shí)現(xiàn)推薦算法的高效性,將深度學(xué)習(xí)融入推薦算法成為了熱點(diǎn)。Mohammad等[6]在推薦系統(tǒng)框架下集成深度神經(jīng)網(wǎng)絡(luò)和矩陣分解并使用顯示反饋進(jìn)行協(xié)同過濾。Huang等[7]利用基于多注意深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)準(zhǔn)確的組推薦,采用多注意網(wǎng)絡(luò)捕獲內(nèi)部社交特征,采用神經(jīng)注意機(jī)制來描述每個(gè)組和成員之間的偏好交互。另外,Huang等[8]還提出了一種基于多模式表示學(xué)習(xí)模型,通過項(xiàng)目的多峰特征和用戶的全局特征來計(jì)算用戶對(duì)項(xiàng)目的偏好。Fu等[9]提出了一種基于深度學(xué)習(xí)的智能推薦,通過學(xué)習(xí)用戶和項(xiàng)目的相應(yīng)低維向量采用前饋神經(jīng)網(wǎng)絡(luò)模擬用戶和物品之間的交互。Zhao等[10]提出了一種預(yù)測(cè)協(xié)同過濾方法,利用部分觀察到的用戶-項(xiàng)目矩陣和基于項(xiàng)目的輔助信息來產(chǎn)生推薦。

    近年來,標(biāo)簽[11]的應(yīng)用越來越廣泛。標(biāo)簽是一種無層次化結(jié)構(gòu)的、用來描述信息的關(guān)鍵詞[12],它可以用來描述物品的語義。根據(jù)給物品標(biāo)注標(biāo)簽的人的不同,標(biāo)簽應(yīng)用一般分為2種:一種是專家給物品標(biāo)注標(biāo)簽,一種是普通用戶給物品標(biāo)注標(biāo)簽,也就是UGC(User Generated Content)。UGC的標(biāo)簽系統(tǒng)可以用來表示用戶興趣和物品語義。社會(huì)化標(biāo)簽[13]可以看作用戶與物品之間的紐帶,將原本不相關(guān)的項(xiàng)目聯(lián)系起來,既表達(dá)了用戶自身的興趣愛好,又反映了物品的主題。

    基于標(biāo)簽的推薦系統(tǒng)一般應(yīng)用在音樂網(wǎng)站、視頻網(wǎng)站和電影書籍評(píng)論網(wǎng)站中,最具代表性的網(wǎng)站有Delicious、Last.fm和豆瓣等。標(biāo)簽系統(tǒng)的最大優(yōu)勢(shì)是可以發(fā)揮群體智能,獲取對(duì)物品內(nèi)容信息比較準(zhǔn)確的關(guān)鍵詞描述,而準(zhǔn)確的內(nèi)容信息是提升個(gè)性化推薦系統(tǒng)性能的重要資源[14]。

    基于標(biāo)簽的推薦算法通常使用用戶標(biāo)注項(xiàng)目的頻率反映用戶的興趣,用戶使用標(biāo)簽的次數(shù)越多,則代表該用戶越喜歡標(biāo)簽代表的特定項(xiàng)目類別。Ignatov等[15]將標(biāo)簽頻率分析應(yīng)用于標(biāo)簽推薦算法中,用來發(fā)現(xiàn)用戶的興趣。Gedikli等[16]認(rèn)為應(yīng)該在項(xiàng)目的上下文中考慮標(biāo)簽偏好,并提出了一種在推薦過程中利用上下文的標(biāo)簽偏好的推薦方案。但是以上研究沒有考慮到由于用戶標(biāo)注標(biāo)簽的隨意性導(dǎo)致的標(biāo)簽信息稀疏問題。由于用戶個(gè)體不同,用戶對(duì)相同項(xiàng)目的理解不同,導(dǎo)致不同的用戶對(duì)相同的項(xiàng)目標(biāo)記的標(biāo)簽會(huì)有所不同,從而導(dǎo)致標(biāo)簽信息的稀疏性。因此,僅通過用戶-標(biāo)簽和項(xiàng)目-標(biāo)簽的匹配程度來衡量用戶相似度和項(xiàng)目相似度是不準(zhǔn)確的。趙宇峰等[17]通過標(biāo)簽聚類降低標(biāo)簽稀疏度,進(jìn)而提高推薦精度。除此之外還存在以下現(xiàn)象:用戶給物品標(biāo)注的標(biāo)簽不同,但是在語義上可能相近。針對(duì)這種現(xiàn)象需要對(duì)標(biāo)簽進(jìn)行語義分析。在語義分析方面,可以利用基于WordNet詞典的方法。顏偉等[18]提出了一種基于WordNet的英語詞語相似度計(jì)算方法,從WordNet中提取同義詞并采取向量空間方法計(jì)算英語詞語的相似度。

    在上述研究的基礎(chǔ)上,本文提出了一種標(biāo)簽擴(kuò)展的協(xié)同過濾推薦算法。本文通過擴(kuò)展標(biāo)簽來緩解標(biāo)簽信息稀疏問題,提高算法推薦精度。利用標(biāo)簽相似度進(jìn)行標(biāo)簽擴(kuò)展,計(jì)算標(biāo)簽相似度的方法有2種:一種是基于用戶標(biāo)注標(biāo)簽的行為進(jìn)行計(jì)算,另一種是根據(jù)標(biāo)簽的語義進(jìn)行計(jì)算?,F(xiàn)有的標(biāo)簽擴(kuò)展方法多數(shù)是根據(jù)標(biāo)簽共現(xiàn)計(jì)算基于用戶行為的標(biāo)簽相似度實(shí)現(xiàn)的,未充分考慮標(biāo)簽的語義相似度。因此,本文從用戶行為和標(biāo)簽語義2方面考慮,分別運(yùn)用標(biāo)簽共現(xiàn)和WordNet詞典計(jì)算標(biāo)簽相似度。通過結(jié)合基于用戶行為的標(biāo)簽相似度和基于標(biāo)簽語義的標(biāo)簽相似度,進(jìn)一步提升標(biāo)簽擴(kuò)展的效果,進(jìn)而提升推薦算法的性能。

    2 算法設(shè)計(jì)

    傳統(tǒng)基于標(biāo)簽的推薦算法,利用標(biāo)簽頻率反映用戶的興趣。但是,用戶標(biāo)注標(biāo)簽的隨意性,可能會(huì)導(dǎo)致出現(xiàn)以下2種情況:

    (1)標(biāo)簽t1被用于標(biāo)注項(xiàng)目ij,標(biāo)簽t2也被用于標(biāo)注項(xiàng)目ij,相同的項(xiàng)目ij被用戶標(biāo)注了不同的標(biāo)簽t1和t2。

    (2)用戶u1為項(xiàng)目ij標(biāo)注了標(biāo)簽t1,用戶u2為項(xiàng)目ij標(biāo)注了標(biāo)簽t2,用戶為項(xiàng)目ij標(biāo)注了不同的標(biāo)簽t1和t2,雖然標(biāo)簽t1和t2不相同,但在語義層面表達(dá)了相近的意思。

    上述問題導(dǎo)致了在利用標(biāo)簽進(jìn)行推薦時(shí),與標(biāo)簽相關(guān)的用戶-標(biāo)簽和項(xiàng)目-標(biāo)簽矩陣稀疏,從而導(dǎo)致推薦精度下降。

    為了降低矩陣稀疏度,提高推薦算法的精度,本文提出了標(biāo)簽擴(kuò)展的思想。在進(jìn)行標(biāo)簽擴(kuò)展時(shí),需要先進(jìn)行標(biāo)簽相似度計(jì)算。在計(jì)算標(biāo)簽相似度時(shí),根據(jù)情況(1)和情況(2)的描述,本文從用戶行為和標(biāo)簽語義2方面進(jìn)行標(biāo)簽相似度計(jì)算。

    用戶為相同的項(xiàng)目標(biāo)注了不同的標(biāo)簽,根據(jù)用戶的行為,本文利用標(biāo)簽共現(xiàn)的思想計(jì)算標(biāo)簽相似度。利用標(biāo)簽共現(xiàn)來表示標(biāo)簽相似度的基本思想是:如果2個(gè)標(biāo)簽在項(xiàng)目中同時(shí)出現(xiàn)的次數(shù)越多,則這2個(gè)標(biāo)簽的相似度就越高。

    用戶為項(xiàng)目標(biāo)注了不同的標(biāo)簽,但標(biāo)簽在語義上相同,根據(jù)標(biāo)簽語義,本文利用語義分析的思想計(jì)算標(biāo)簽相似度。利用語義分析計(jì)算標(biāo)簽相似度的基本思想是:判斷詞語之間的相似度。本文利用WordNet語義詞典在信息處理方面的優(yōu)勢(shì),將WordNet應(yīng)用到標(biāo)簽的語義分析中,用于計(jì)算標(biāo)簽相似度。

    綜上所述,本文提出了一種標(biāo)簽擴(kuò)展的協(xié)同過濾推薦算法。該算法的流程如下所示:

    (1)根據(jù)數(shù)據(jù)集構(gòu)建項(xiàng)目-標(biāo)簽矩陣,并創(chuàng)建標(biāo)簽集合。

    (2)利用標(biāo)簽共現(xiàn)信息,計(jì)算標(biāo)簽共現(xiàn)矩陣,得到基于用戶行為的標(biāo)簽相似度矩陣。

    (3)根據(jù)標(biāo)簽集合并利用WordNet語義詞典計(jì)算基于標(biāo)簽語義的標(biāo)簽相似度矩陣。

    (4)結(jié)合基于用戶行為和標(biāo)簽語義的標(biāo)簽相似度矩陣,并利用標(biāo)簽相似度矩陣進(jìn)行標(biāo)簽擴(kuò)展,重構(gòu)項(xiàng)目-標(biāo)簽矩陣。

    (5)利用重構(gòu)后的項(xiàng)目-標(biāo)簽矩陣計(jì)算項(xiàng)目相似度,并通過基于項(xiàng)目的協(xié)同過濾方法進(jìn)行推薦。

    2.1 基于標(biāo)簽共現(xiàn)計(jì)算標(biāo)簽相似度

    本文所用的數(shù)據(jù)集示例如表1所示。正如前面提到的,用戶個(gè)體不同會(huì)導(dǎo)致不同用戶對(duì)相同項(xiàng)目標(biāo)注的標(biāo)簽不同,因此本文根據(jù)用戶標(biāo)注標(biāo)簽的行為,通過標(biāo)簽共現(xiàn)思想來整合標(biāo)簽之間的相似度。標(biāo)簽共現(xiàn)就是指用2個(gè)標(biāo)簽標(biāo)注同一個(gè)項(xiàng)目,如標(biāo)簽t1和t2共同標(biāo)注了某一個(gè)項(xiàng)目,則稱標(biāo)簽t1和t2共現(xiàn)。

    不同用戶可能為相同項(xiàng)目標(biāo)注不同的標(biāo)簽。正如表1所示,用戶20對(duì)電影1 747所標(biāo)注的標(biāo)簽為politics和satire,而用戶49對(duì)電影1 747 所標(biāo)記的標(biāo)簽為Robert De Niro。

    網(wǎng)站中的用戶組成了用戶集合U= {u1,…,um},網(wǎng)站中的商品組成了商品(項(xiàng)目)集合I={i1,…,in},用戶對(duì)商品標(biāo)注的標(biāo)簽組成了標(biāo)簽集

    Table 1 Data format

    合T= {t1,…,tk}。根據(jù)以上信息構(gòu)建標(biāo)注矩陣K,K的大小為n*k,n為項(xiàng)目個(gè)數(shù),k為標(biāo)簽個(gè)數(shù),矩陣中的元素kpj表示標(biāo)簽tp標(biāo)注商品ij的次數(shù)。根據(jù)矩陣K構(gòu)建共現(xiàn)矩陣C,C的大小為k*k,k為標(biāo)簽個(gè)數(shù),矩陣中的元素cpq表示標(biāo)簽tp與標(biāo)簽tq標(biāo)注同一個(gè)商品的頻率。本文通過余弦相似度來評(píng)估每2個(gè)標(biāo)簽的共現(xiàn)分布,即:

    (1)

    其中,nti,ij表示標(biāo)簽tp標(biāo)注項(xiàng)目ij的數(shù)目,ntq,ij表示標(biāo)簽tq標(biāo)注項(xiàng)目ij的數(shù)目。N(tp)表示標(biāo)簽tp標(biāo)注的項(xiàng)目集合,N(tq)表示標(biāo)簽tq標(biāo)注的項(xiàng)目集合。N(tp)∩N(tq)表示標(biāo)簽tp和標(biāo)簽tq共同標(biāo)注的項(xiàng)目集合。p(tp,tq)在[0,1],且p(tp,tq)越接近1,tp和tq越相似。

    通過式(1)得到標(biāo)簽共現(xiàn)矩陣,本文將標(biāo)簽共現(xiàn)矩陣作為基于用戶行為的標(biāo)簽相似度矩陣。基于用戶行為的標(biāo)簽相似度矩陣C的表達(dá)形式如式(2)所示:

    (2)

    2.2 利用WordNet計(jì)算標(biāo)簽相似度

    由于用戶個(gè)體不同,導(dǎo)致用戶為項(xiàng)目標(biāo)注的標(biāo)簽可能不同,但某些標(biāo)簽可能在語義上相近。本文利用WordNet語義詞典在信息處理方面的優(yōu)勢(shì),將WordNet應(yīng)用到標(biāo)簽的語義分析中,計(jì)算標(biāo)簽的相似度。利用WordNet計(jì)算標(biāo)簽t1和t2的相似度的過程如下所示:

    (1)利用Stanford CoreNLP和Lemmatization對(duì)標(biāo)簽進(jìn)行預(yù)處理。

    (2)利用WordNet分別生成(t1,t2)的同義詞集(s1,s2)。

    (3)對(duì)每個(gè)同義詞集檢索注釋并利用文本預(yù)處理方法(拆分、刪除停用詞、詞性標(biāo)注、詞形還原)為s1和s2提取注釋G1和G2。

    (4)基于集合之間相同的詞匯數(shù)量越多,相似度越高的思想,根據(jù)s1和s2、G1和G2計(jì)算標(biāo)簽t1和t2之間的語義相似度。

    具體的流程如圖1所示。

    Figure 1 Calculation flow chart of tag similarity圖1 標(biāo)簽相似度計(jì)算流程圖

    利用s1和s2、G1和G2計(jì)算標(biāo)簽相似度的公式如式(3)所示:

    (3)

    通過上述方法計(jì)算出2個(gè)標(biāo)簽的語義相似度,得到基于語義的標(biāo)簽相似度矩陣N。N的表示形式如式(4)所示:

    (4)

    2.3 合并標(biāo)簽相似度矩陣

    將得到的基于用戶行為的標(biāo)簽相似度矩陣C和基于標(biāo)簽語義的標(biāo)簽相似度矩陣N進(jìn)行合并,合并公式如式(5)所示:

    sim(ti,tj)=α*p(ti,tj)+

    (1-α)simT(ti,tj)

    (5)

    其中,系數(shù)α是用于調(diào)節(jié)的合并權(quán)重。經(jīng)過式(5)得到合并后的標(biāo)簽相似度矩陣M。M的表達(dá)形式如式(6)所示:

    (6)

    在得到標(biāo)簽相似度矩陣M后,利用M進(jìn)行標(biāo)簽擴(kuò)展。

    2.4 標(biāo)簽擴(kuò)展

    大多數(shù)使用標(biāo)簽的推薦算法都會(huì)考慮到用戶-標(biāo)簽和項(xiàng)目-標(biāo)簽之間的關(guān)系。但是,由于用戶為項(xiàng)目標(biāo)注標(biāo)簽的隨意性,會(huì)導(dǎo)致標(biāo)簽信息稀疏;由于標(biāo)簽的多樣性,會(huì)導(dǎo)致標(biāo)簽信息稀疏,因此,利用項(xiàng)目-標(biāo)簽衡量項(xiàng)目相似度是不準(zhǔn)確的。所以,本文提出了一種擴(kuò)展標(biāo)簽的方法,通過利用標(biāo)簽相似度矩陣產(chǎn)生的標(biāo)簽之間的關(guān)聯(lián),評(píng)估用戶未使用的標(biāo)簽的可能頻率來進(jìn)行標(biāo)簽擴(kuò)展,從而降低標(biāo)簽信息的稀疏度。

    對(duì)于已經(jīng)標(biāo)注項(xiàng)目ij但沒有標(biāo)注項(xiàng)目ii的標(biāo)簽tz,根據(jù)標(biāo)簽tz與標(biāo)注到項(xiàng)目ii上的所有標(biāo)簽共現(xiàn)分布,估計(jì)標(biāo)簽tz標(biāo)注到項(xiàng)目ii上的可能概率。概率估計(jì)公式如式(7)所示:

    (7)

    (8)

    其中,Ni表示標(biāo)注項(xiàng)目ii的標(biāo)簽總數(shù),nt,i表示標(biāo)簽tt標(biāo)注項(xiàng)目ii的次數(shù)。

    通過上述方法,本文對(duì)項(xiàng)目-標(biāo)簽矩陣進(jìn)行了標(biāo)簽擴(kuò)展,重建了項(xiàng)目-標(biāo)簽矩陣,降低了該矩陣的稀疏度。

    2.5 計(jì)算項(xiàng)目相似度并推薦

    在得到重建后的項(xiàng)目-標(biāo)簽矩陣R后,利用余弦相似度計(jì)算項(xiàng)目之間的相似度得到項(xiàng)目相似度矩陣S。項(xiàng)目相似度的計(jì)算公式如式(9)所示:

    (9)

    其中,Ti,j表示在矩陣R中項(xiàng)目ii和項(xiàng)目ij共有的標(biāo)簽集合。Ti表示標(biāo)記項(xiàng)目ii的標(biāo)簽集合,Tj表示標(biāo)記項(xiàng)目ij的標(biāo)簽集合。simiz表示標(biāo)簽tz標(biāo)記項(xiàng)目ii的概率,simjz表示標(biāo)簽tz標(biāo)記項(xiàng)目ij的概率。在得到項(xiàng)目相似度矩陣之后,利用基于項(xiàng)目的協(xié)同過濾算法為用戶生成推薦。

    3 實(shí)驗(yàn)

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    實(shí)驗(yàn)采用MovieLens數(shù)據(jù)集,該數(shù)據(jù)集含有電影的標(biāo)簽數(shù)據(jù)。為了驗(yàn)證本文算法的效率,在2個(gè)基準(zhǔn)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。較小的數(shù)據(jù)集為ml-latest-small,該數(shù)據(jù)集由164 979部電影和671個(gè)用戶組成,含有1 296個(gè)標(biāo)簽記錄。較大的數(shù)據(jù)集為ml-10M100K,該數(shù)據(jù)集由71 567個(gè)用戶和10 681部電影組成,含有95 580個(gè)標(biāo)簽。本文按照8∶2的比例將數(shù)據(jù)集分成訓(xùn)練集和測(cè)試集。

    3.2 評(píng)價(jià)標(biāo)準(zhǔn)

    準(zhǔn)確率(Precision),其值表示的是在產(chǎn)生的推薦結(jié)果中,正確推薦給用戶的項(xiàng)目數(shù)在推薦給用戶的項(xiàng)目總數(shù)中的占比,如式(10)所示:

    (10)

    召回率(Recall),其值表示的是在產(chǎn)生的推薦結(jié)果中,正確推薦給用戶的項(xiàng)目數(shù)在用戶實(shí)際評(píng)價(jià)過的項(xiàng)目總數(shù)中的占比,如式(11)所示:

    (11)

    其中,R(u)是用戶u推薦的項(xiàng)目集合,T(u)是測(cè)試集中用戶u評(píng)分過的項(xiàng)目集合。

    3.3 實(shí)驗(yàn)結(jié)果及其分析

    3.3.1α的選擇

    在式(5)中系數(shù)α用于調(diào)節(jié)相似度權(quán)重,用來調(diào)節(jié)標(biāo)簽相似度權(quán)重變化對(duì)于推薦算法的推薦準(zhǔn)確率的影響,其取值在[0,1],每次增加0.1比較Precision的變化,實(shí)驗(yàn)結(jié)果如圖2所示。

    Figure 2 Effect of α on Precision圖2 α對(duì)準(zhǔn)確率的影響

    由圖2可知,當(dāng)α的取值為0.3時(shí),Precision值最大,推薦的準(zhǔn)確率最高。本文實(shí)驗(yàn)中,α取值為0.3。

    3.3.2 算法性能比較

    為了驗(yàn)證標(biāo)簽相似度的改變對(duì)于推薦算法的推薦精度的影響,本文將通過標(biāo)簽共現(xiàn)進(jìn)行標(biāo)簽擴(kuò)展的協(xié)同過濾CTCF(Collaborative Filtering of tag extension based on Tag Co-occurrence)和結(jié)合標(biāo)簽共現(xiàn)與WordNet進(jìn)行標(biāo)簽擴(kuò)展的協(xié)同過濾CWTCF(Collaborative Filtering of tag extension based on Tag Co-occurrence and WordNet)進(jìn)行比較分析。實(shí)驗(yàn)結(jié)果如圖3和圖4所示。

    Figure 3 Performance of CTCF and CWTCF on ml-latest-small圖3 CTCF和CWTCF在ml-latest-small上的性能

    Figure 4 Performance of CTCF and CWTCF on ml-10M100K圖4 CTCF和CWTCF在ml-10M100K上的性能

    由圖3和圖4可知,相較于只使用標(biāo)簽共現(xiàn)進(jìn)行標(biāo)簽擴(kuò)展的協(xié)同過濾或只使用WordNet進(jìn)行標(biāo)簽擴(kuò)展的協(xié)同過濾而言,將標(biāo)簽共現(xiàn)和WordNet進(jìn)行結(jié)合再利用標(biāo)簽擴(kuò)展進(jìn)行協(xié)同過濾的推薦算法的Precision有所提高。由此可知,在利用標(biāo)簽相似度進(jìn)行標(biāo)簽擴(kuò)展時(shí),應(yīng)從用戶行為和標(biāo)簽語義這2方面考慮,本文通過標(biāo)簽共現(xiàn)思想得到基于用戶行為的標(biāo)簽相似度矩陣,通過標(biāo)簽語義得到基于語義相似度的標(biāo)簽相似度矩陣,將2個(gè)相似度矩陣進(jìn)行融合,并在此基礎(chǔ)上進(jìn)行標(biāo)簽擴(kuò)展,降低數(shù)據(jù)稀疏度,進(jìn)行協(xié)同過濾,提高了推薦精度。

    接著為了驗(yàn)證本文提出算法的性能,本文選取3種算法與本文算法進(jìn)行比較。

    算法1:傳統(tǒng)的基于項(xiàng)目的協(xié)同過濾推薦ItemCF(Item Collaborative Filtering)算法。

    算法2:Guan[5]提出的3DCF(3-Dimension Collaborative Filtering)算法,利用用戶和項(xiàng)目的特征進(jìn)行相似度計(jì)算來處理數(shù)據(jù)稀疏問題。

    算法3:Gedikli等[16]提出的Item-specific算法,在項(xiàng)目上下文中考慮標(biāo)簽偏好對(duì)推薦的影響。

    不同算法性能比較如表2~表5所示。

    由表2~表5可知,相較于傳統(tǒng)的ItemCF算法,其他3種算法的性能更高,因?yàn)檫@3種算法都在ItemCF基礎(chǔ)上進(jìn)行了一定程度的改進(jìn)。另外,可以觀測(cè)到,Item-specific算法的性能比3DCF的更高,可能的原因是Item-specific算法將標(biāo)簽應(yīng)用到了以協(xié)同過濾為基礎(chǔ)的推薦算法之中,可以更好地反映用戶的興趣。除此之外,本文算法的性能相較于其他3種算法都高,相較于3DCF在降低數(shù)據(jù)稀疏度時(shí)僅僅考慮用戶和項(xiàng)目特征,本文在降低數(shù)據(jù)稀疏度時(shí)充分考慮了標(biāo)簽數(shù)的作用,相較于Item-specific僅僅在項(xiàng)目上下文中考慮標(biāo)簽偏好,本文算法利用標(biāo)簽數(shù)據(jù)降低了數(shù)據(jù)稀疏度,綜上本文算法的性能更好,推薦精度更高。

    Table 2 Precision of four algorithms on ml-latest-small

    Table 3 Recall of four algorithms on ml-latest-small

    Table 4 Precision of four algorithms on ml-10M100K

    Table 5 Recall of four algorithms on ml-10M100K

    4 結(jié)束語

    大多數(shù)利用用戶、項(xiàng)目與標(biāo)簽之間的關(guān)系進(jìn)行推薦的算法,都會(huì)面臨著用戶個(gè)體不同導(dǎo)致的標(biāo)簽信息稀疏問題,因此,本文進(jìn)行標(biāo)簽擴(kuò)展,重構(gòu)項(xiàng)目-標(biāo)簽矩陣,進(jìn)行協(xié)同推薦,在進(jìn)行標(biāo)簽擴(kuò)展時(shí)從用戶行為和標(biāo)簽語義2方面進(jìn)行考慮。最終的實(shí)驗(yàn)結(jié)果表明,本文提出的推薦算法相較于傳統(tǒng)的協(xié)同過濾算法的推薦效果更好。

    猜你喜歡
    標(biāo)簽語義協(xié)同
    蜀道難:車與路的協(xié)同進(jìn)化
    語言與語義
    “四化”協(xié)同才有出路
    汽車觀察(2019年2期)2019-03-15 06:00:50
    無懼標(biāo)簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    不害怕撕掉標(biāo)簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    三醫(yī)聯(lián)動(dòng) 協(xié)同創(chuàng)新
    “上”與“下”語義的不對(duì)稱性及其認(rèn)知闡釋
    標(biāo)簽化傷害了誰
    基于多進(jìn)制查詢樹的多標(biāo)簽識(shí)別方法
    認(rèn)知范疇模糊與語義模糊
    日韩大尺度精品在线看网址 | 他把我摸到了高潮在线观看| 丝袜在线中文字幕| 亚洲欧美日韩高清在线视频| 久久国产精品人妻蜜桃| 日本a在线网址| 久久久水蜜桃国产精品网| 国产免费av片在线观看野外av| 神马国产精品三级电影在线观看 | 亚洲在线自拍视频| 精品第一国产精品| 免费在线观看日本一区| 美女福利国产在线| 精品久久久精品久久久| www日本在线高清视频| 欧美日韩瑟瑟在线播放| 激情在线观看视频在线高清| 午夜激情av网站| 国产亚洲精品久久久久久毛片| 身体一侧抽搐| 午夜精品国产一区二区电影| 在线视频色国产色| 久久亚洲精品不卡| 美女高潮到喷水免费观看| 中国美女看黄片| 成熟少妇高潮喷水视频| 好看av亚洲va欧美ⅴa在| 女人被躁到高潮嗷嗷叫费观| 中文字幕人妻丝袜一区二区| 男人操女人黄网站| 黄片播放在线免费| 变态另类成人亚洲欧美熟女 | 午夜亚洲福利在线播放| 99久久国产精品久久久| 国产99久久九九免费精品| 国产视频一区二区在线看| 午夜福利欧美成人| 性色av乱码一区二区三区2| 无人区码免费观看不卡| 50天的宝宝边吃奶边哭怎么回事| 一边摸一边做爽爽视频免费| 欧美黑人精品巨大| 欧美在线一区亚洲| 少妇的丰满在线观看| 久久精品国产综合久久久| 免费在线观看影片大全网站| 啦啦啦 在线观看视频| 午夜精品在线福利| av天堂久久9| 午夜激情av网站| 国产不卡一卡二| 精品国产乱码久久久久久男人| 国产精品美女特级片免费视频播放器 | 日本vs欧美在线观看视频| 91精品国产国语对白视频| 久久婷婷成人综合色麻豆| 亚洲精品一二三| a级毛片在线看网站| 欧美人与性动交α欧美精品济南到| 亚洲人成伊人成综合网2020| 超碰成人久久| 亚洲avbb在线观看| 男人舔女人的私密视频| 91九色精品人成在线观看| 久久午夜综合久久蜜桃| 黄色丝袜av网址大全| 免费一级毛片在线播放高清视频 | 精品第一国产精品| 欧美日韩国产mv在线观看视频| a级毛片黄视频| 国产成人欧美| 久久久国产欧美日韩av| 亚洲第一青青草原| 欧美日韩亚洲综合一区二区三区_| 中亚洲国语对白在线视频| 一级作爱视频免费观看| 人妻久久中文字幕网| 久久青草综合色| 成年版毛片免费区| 精品福利观看| 欧美人与性动交α欧美软件| 99精品欧美一区二区三区四区| 精品久久久久久,| 免费看a级黄色片| 老汉色∧v一级毛片| 免费在线观看影片大全网站| 久久国产乱子伦精品免费另类| 黄色女人牲交| 亚洲人成77777在线视频| 男人操女人黄网站| 久久伊人香网站| 中文字幕最新亚洲高清| 久久热在线av| svipshipincom国产片| 成人18禁在线播放| 久久青草综合色| 国产精品一区二区精品视频观看| 99久久久亚洲精品蜜臀av| 成人三级黄色视频| a级片在线免费高清观看视频| 亚洲av日韩精品久久久久久密| 免费搜索国产男女视频| 99香蕉大伊视频| 亚洲一区高清亚洲精品| 国产aⅴ精品一区二区三区波| 丝袜美足系列| 在线观看免费视频日本深夜| 精品人妻1区二区| 99热只有精品国产| 一夜夜www| 人人妻人人澡人人看| 嫁个100分男人电影在线观看| 亚洲国产中文字幕在线视频| 丰满饥渴人妻一区二区三| 免费在线观看完整版高清| 免费看十八禁软件| xxx96com| 99国产极品粉嫩在线观看| 日韩视频一区二区在线观看| 夫妻午夜视频| 日韩中文字幕欧美一区二区| 美女高潮喷水抽搐中文字幕| 18禁黄网站禁片午夜丰满| 在线观看免费高清a一片| 久久人人97超碰香蕉20202| 久久久国产精品麻豆| av片东京热男人的天堂| 超碰成人久久| 岛国视频午夜一区免费看| 国产熟女午夜一区二区三区| 一本综合久久免费| 亚洲第一av免费看| 久久久久久久久久久久大奶| 窝窝影院91人妻| 好男人电影高清在线观看| 亚洲狠狠婷婷综合久久图片| 国产片内射在线| 日本黄色视频三级网站网址| 黑丝袜美女国产一区| 性欧美人与动物交配| 99国产精品一区二区三区| 波多野结衣av一区二区av| cao死你这个sao货| 精品第一国产精品| 91字幕亚洲| 国产av精品麻豆| 亚洲第一欧美日韩一区二区三区| 激情视频va一区二区三区| 天堂√8在线中文| 精品国产一区二区久久| 欧美 亚洲 国产 日韩一| 亚洲精品久久成人aⅴ小说| 日韩大码丰满熟妇| 看免费av毛片| 一a级毛片在线观看| 一级,二级,三级黄色视频| 久久人妻av系列| 12—13女人毛片做爰片一| 成人免费观看视频高清| 女人被狂操c到高潮| 国产乱人伦免费视频| 国产一卡二卡三卡精品| 国产精品美女特级片免费视频播放器 | 人妻久久中文字幕网| 女同久久另类99精品国产91| 亚洲熟妇中文字幕五十中出 | 男人舔女人下体高潮全视频| 国产av又大| 免费在线观看亚洲国产| 在线十欧美十亚洲十日本专区| 午夜福利一区二区在线看| 在线观看免费日韩欧美大片| 久久精品亚洲精品国产色婷小说| 88av欧美| 欧美黄色淫秽网站| 欧美日韩av久久| 免费少妇av软件| 88av欧美| 精品一区二区三区视频在线观看免费 | svipshipincom国产片| 欧美乱色亚洲激情| 男人舔女人的私密视频| 亚洲成av片中文字幕在线观看| 色精品久久人妻99蜜桃| av网站在线播放免费| 亚洲午夜理论影院| 999久久久国产精品视频| 宅男免费午夜| 母亲3免费完整高清在线观看| 精品久久蜜臀av无| 亚洲av片天天在线观看| 中文字幕精品免费在线观看视频| 欧美日韩亚洲高清精品| 亚洲男人天堂网一区| 18美女黄网站色大片免费观看| 久久久国产一区二区| 亚洲自偷自拍图片 自拍| 最好的美女福利视频网| 国产午夜精品久久久久久| 久久九九热精品免费| 丰满迷人的少妇在线观看| 天堂俺去俺来也www色官网| 久久天堂一区二区三区四区| www.www免费av| 精品久久蜜臀av无| 在线观看66精品国产| 日本黄色日本黄色录像| 欧美成人免费av一区二区三区| 久久精品91蜜桃| 久久中文字幕人妻熟女| 国产精品一区二区在线不卡| 在线视频色国产色| 制服诱惑二区| 欧美精品亚洲一区二区| 国产精品爽爽va在线观看网站 | 高清黄色对白视频在线免费看| 人人澡人人妻人| 日本五十路高清| 夜夜爽天天搞| 在线观看舔阴道视频| 亚洲视频免费观看视频| 亚洲欧美激情综合另类| 麻豆成人av在线观看| 久久精品人人爽人人爽视色| av天堂久久9| 国产男靠女视频免费网站| 亚洲精华国产精华精| 一级毛片精品| 亚洲视频免费观看视频| 在线av久久热| 一进一出抽搐gif免费好疼 | 黑人巨大精品欧美一区二区蜜桃| 超色免费av| 韩国av一区二区三区四区| 18禁国产床啪视频网站| 狂野欧美激情性xxxx| 激情视频va一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 一级毛片女人18水好多| 最好的美女福利视频网| 国产av又大| 色婷婷久久久亚洲欧美| 女生性感内裤真人,穿戴方法视频| 亚洲第一欧美日韩一区二区三区| 99久久人妻综合| 午夜福利在线观看吧| netflix在线观看网站| 国产精品久久久人人做人人爽| 国产麻豆69| 亚洲人成网站在线播放欧美日韩| 满18在线观看网站| 国产精品电影一区二区三区| 一进一出好大好爽视频| 国产亚洲欧美98| 不卡一级毛片| 久久天躁狠狠躁夜夜2o2o| 久久久久久久久中文| 亚洲精品一二三| 国产精品亚洲av一区麻豆| 成人特级黄色片久久久久久久| 丝袜美腿诱惑在线| 精品一区二区三区av网在线观看| 精品人妻在线不人妻| x7x7x7水蜜桃| 亚洲欧美激情在线| 成年人免费黄色播放视频| 国产成人欧美在线观看| 高潮久久久久久久久久久不卡| 高清在线国产一区| 高清欧美精品videossex| 欧美日本亚洲视频在线播放| 亚洲精华国产精华精| 国产成人免费无遮挡视频| av中文乱码字幕在线| av网站免费在线观看视频| 久久久久国产一级毛片高清牌| 精品国产国语对白av| 好男人电影高清在线观看| 他把我摸到了高潮在线观看| 久久精品成人免费网站| 欧洲精品卡2卡3卡4卡5卡区| 国产精品99久久99久久久不卡| 日韩欧美一区视频在线观看| 久久久国产精品麻豆| 狂野欧美激情性xxxx| 999久久久精品免费观看国产| 女生性感内裤真人,穿戴方法视频| 久久香蕉激情| 免费一级毛片在线播放高清视频 | 国产无遮挡羞羞视频在线观看| 国产精品日韩av在线免费观看 | 免费av中文字幕在线| 中文亚洲av片在线观看爽| 亚洲久久久国产精品| 在线观看日韩欧美| 国产亚洲精品一区二区www| 日韩 欧美 亚洲 中文字幕| www.www免费av| 一区二区三区国产精品乱码| 无遮挡黄片免费观看| 男女下面插进去视频免费观看| 黄色丝袜av网址大全| 丝袜在线中文字幕| 国产精品av久久久久免费| 国产精品久久电影中文字幕| 亚洲 欧美 日韩 在线 免费| 国产av在哪里看| 日韩欧美免费精品| 亚洲精品国产色婷婷电影| 身体一侧抽搐| 国产精品九九99| 国产成人欧美在线观看| 久久香蕉精品热| 女生性感内裤真人,穿戴方法视频| bbb黄色大片| 高清av免费在线| 99精国产麻豆久久婷婷| 视频在线观看一区二区三区| 亚洲国产中文字幕在线视频| 国产伦一二天堂av在线观看| 欧美日韩国产mv在线观看视频| 亚洲国产看品久久| 男女床上黄色一级片免费看| 十分钟在线观看高清视频www| 777久久人妻少妇嫩草av网站| 免费高清视频大片| aaaaa片日本免费| 色老头精品视频在线观看| 国产91精品成人一区二区三区| 操出白浆在线播放| 在线十欧美十亚洲十日本专区| 中文字幕人妻丝袜一区二区| 久久久精品国产亚洲av高清涩受| 日韩精品中文字幕看吧| 欧美激情 高清一区二区三区| 国产精品美女特级片免费视频播放器 | 国产不卡一卡二| 久久性视频一级片| 亚洲午夜理论影院| 欧美黑人精品巨大| 欧美人与性动交α欧美精品济南到| 好看av亚洲va欧美ⅴa在| 少妇被粗大的猛进出69影院| 国产成人一区二区三区免费视频网站| 国产精品1区2区在线观看.| 国产一区二区三区综合在线观看| √禁漫天堂资源中文www| 国产xxxxx性猛交| 国产单亲对白刺激| 最好的美女福利视频网| 桃色一区二区三区在线观看| 精品久久久久久,| 日本vs欧美在线观看视频| 伊人久久大香线蕉亚洲五| 国产精品 国内视频| 丝袜美足系列| 亚洲国产欧美网| 国产成人欧美| 日本免费a在线| 国产成人啪精品午夜网站| 欧美日韩av久久| 啦啦啦 在线观看视频| 女人被狂操c到高潮| 女人被躁到高潮嗷嗷叫费观| 一边摸一边抽搐一进一小说| 亚洲专区字幕在线| 啦啦啦 在线观看视频| 欧美成人免费av一区二区三区| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲一码二码三码区别大吗| 色婷婷av一区二区三区视频| 亚洲中文日韩欧美视频| 妹子高潮喷水视频| 亚洲精品一二三| 99riav亚洲国产免费| 黑人猛操日本美女一级片| 女性被躁到高潮视频| 日韩成人在线观看一区二区三区| 嫩草影院精品99| 在线观看日韩欧美| 国产熟女xx| 午夜福利一区二区在线看| 久久性视频一级片| 看黄色毛片网站| 亚洲国产精品999在线| 天堂中文最新版在线下载| 人人妻人人澡人人看| 搡老乐熟女国产| 久久精品国产综合久久久| 国产男靠女视频免费网站| 女生性感内裤真人,穿戴方法视频| 男女下面插进去视频免费观看| 国产99久久九九免费精品| 午夜福利欧美成人| 男人操女人黄网站| 一边摸一边做爽爽视频免费| 最近最新免费中文字幕在线| 国产精品野战在线观看 | 欧美日韩福利视频一区二区| 亚洲一区二区三区不卡视频| 国产91精品成人一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 精品人妻1区二区| 波多野结衣一区麻豆| 老司机在亚洲福利影院| 91av网站免费观看| 国产人伦9x9x在线观看| 在线观看免费视频网站a站| 狂野欧美激情性xxxx| 少妇粗大呻吟视频| 夜夜爽天天搞| 窝窝影院91人妻| 久久精品国产亚洲av香蕉五月| 夜夜夜夜夜久久久久| 国产成人影院久久av| 日本撒尿小便嘘嘘汇集6| 女人爽到高潮嗷嗷叫在线视频| 久久天堂一区二区三区四区| 日本vs欧美在线观看视频| 丝袜在线中文字幕| 久久精品成人免费网站| 午夜91福利影院| 欧美黄色片欧美黄色片| 欧美人与性动交α欧美精品济南到| 久久精品成人免费网站| 一级毛片女人18水好多| 无遮挡黄片免费观看| 中国美女看黄片| 亚洲中文日韩欧美视频| 琪琪午夜伦伦电影理论片6080| 最新在线观看一区二区三区| 18禁观看日本| 欧美人与性动交α欧美精品济南到| 亚洲一区二区三区色噜噜 | 亚洲熟妇熟女久久| 国产精品亚洲av一区麻豆| 亚洲 国产 在线| 两性夫妻黄色片| 亚洲三区欧美一区| 在线观看午夜福利视频| 中文字幕av电影在线播放| 在线永久观看黄色视频| 国产成+人综合+亚洲专区| 曰老女人黄片| 19禁男女啪啪无遮挡网站| 女人精品久久久久毛片| 亚洲专区中文字幕在线| 香蕉国产在线看| 亚洲va日本ⅴa欧美va伊人久久| 亚洲中文av在线| 50天的宝宝边吃奶边哭怎么回事| 巨乳人妻的诱惑在线观看| 又大又爽又粗| netflix在线观看网站| 成人免费观看视频高清| 亚洲精品久久午夜乱码| 丰满的人妻完整版| 亚洲精品国产一区二区精华液| 亚洲国产精品sss在线观看 | 精品欧美一区二区三区在线| 国产野战对白在线观看| 国产国语露脸激情在线看| 亚洲成人免费电影在线观看| 1024视频免费在线观看| 女人被躁到高潮嗷嗷叫费观| 性欧美人与动物交配| 亚洲精品久久成人aⅴ小说| 人人澡人人妻人| 国产精品爽爽va在线观看网站 | 亚洲avbb在线观看| 男女床上黄色一级片免费看| 精品久久久精品久久久| 一级片免费观看大全| 久久婷婷成人综合色麻豆| 日本wwww免费看| 精品国产一区二区三区四区第35| 我的亚洲天堂| 国产成人精品在线电影| 国产在线精品亚洲第一网站| 88av欧美| 欧美大码av| 亚洲片人在线观看| 人人妻人人澡人人看| 黄网站色视频无遮挡免费观看| 男女下面插进去视频免费观看| 一边摸一边抽搐一进一出视频| 欧美日韩乱码在线| 丁香六月欧美| a级片在线免费高清观看视频| 精品久久蜜臀av无| 亚洲av成人不卡在线观看播放网| 18禁黄网站禁片午夜丰满| 热re99久久国产66热| 91老司机精品| 亚洲熟妇中文字幕五十中出 | 日本五十路高清| 桃色一区二区三区在线观看| 搡老岳熟女国产| 成人亚洲精品av一区二区 | 多毛熟女@视频| 久久狼人影院| 老司机午夜福利在线观看视频| 日本五十路高清| 国产欧美日韩综合在线一区二区| 亚洲国产欧美日韩在线播放| 欧美精品一区二区免费开放| 欧美成人午夜精品| 丝袜人妻中文字幕| 欧美成人午夜精品| 男人的好看免费观看在线视频 | 国产精品免费一区二区三区在线| 成人18禁在线播放| 久久精品国产清高在天天线| 国产激情久久老熟女| 男女做爰动态图高潮gif福利片 | 精品国产一区二区久久| www.自偷自拍.com| 老司机午夜十八禁免费视频| 村上凉子中文字幕在线| 性欧美人与动物交配| 搡老岳熟女国产| 亚洲avbb在线观看| 国产av一区二区精品久久| 黑人猛操日本美女一级片| 国产免费av片在线观看野外av| 久久午夜综合久久蜜桃| 97人妻天天添夜夜摸| cao死你这个sao货| 午夜两性在线视频| 久久香蕉激情| 婷婷精品国产亚洲av在线| 少妇的丰满在线观看| 精品一品国产午夜福利视频| 最新美女视频免费是黄的| 免费高清视频大片| 男男h啪啪无遮挡| 日韩视频一区二区在线观看| 久久热在线av| 亚洲专区国产一区二区| 最近最新免费中文字幕在线| 后天国语完整版免费观看| 亚洲伊人色综图| 亚洲欧美精品综合久久99| 午夜免费观看网址| xxxhd国产人妻xxx| 大陆偷拍与自拍| 欧美日韩av久久| tocl精华| 99国产极品粉嫩在线观看| 大码成人一级视频| 80岁老熟妇乱子伦牲交| 黄色怎么调成土黄色| av有码第一页| 欧美性长视频在线观看| 在线看a的网站| 国产乱人伦免费视频| 国产黄色免费在线视频| 黄网站色视频无遮挡免费观看| 日韩有码中文字幕| 国产在线观看jvid| 丰满人妻熟妇乱又伦精品不卡| 欧美黑人欧美精品刺激| 丝袜美足系列| 久久久久久久精品吃奶| 久久国产精品影院| 99精品久久久久人妻精品| 亚洲欧美日韩无卡精品| 成人18禁在线播放| 免费高清视频大片| 男男h啪啪无遮挡| 亚洲中文av在线| 中文字幕精品免费在线观看视频| 波多野结衣一区麻豆| 日本 av在线| 中文字幕高清在线视频| 99riav亚洲国产免费| 亚洲国产精品999在线| 啦啦啦在线免费观看视频4| 一级,二级,三级黄色视频| 涩涩av久久男人的天堂| 人人澡人人妻人| 久久中文字幕人妻熟女| 九色亚洲精品在线播放| 欧美精品一区二区免费开放| 久久人人97超碰香蕉20202| 桃色一区二区三区在线观看| 久久久国产欧美日韩av| 欧美成人免费av一区二区三区| 国产主播在线观看一区二区| 黑人欧美特级aaaaaa片| 黄色视频不卡| 中文字幕精品免费在线观看视频| 啪啪无遮挡十八禁网站| 亚洲成人免费电影在线观看| 美女 人体艺术 gogo| 在线视频色国产色| 成人影院久久| 亚洲熟妇中文字幕五十中出 | 亚洲精品一二三| 久久久久久久久中文| 亚洲国产欧美一区二区综合| 热re99久久精品国产66热6| aaaaa片日本免费| 久热这里只有精品99| 亚洲色图综合在线观看| 嫩草影院精品99| 九色亚洲精品在线播放| 国产色视频综合| 男女午夜视频在线观看| 高清av免费在线| 国产精品一区二区三区四区久久 | 十八禁网站免费在线| 香蕉久久夜色| 亚洲五月天丁香| 麻豆久久精品国产亚洲av |