集成社会化标签和用户背景信息的协同过滤推荐方法

doi:10.11772/j.issn.1001-9081.2014.08.2328

计算机应用 ›› 2014, Vol. 34 ›› Issue (8): 2328-2331.DOI: 10.11772/j.issn.1001-9081.2014.08.2328

集成社会化标签和用户背景信息的协同过滤推荐方法

蒋胜,王忠群,修宇,皇苏斌

安徽工程大学计算机与信息学院，安徽芜湖241000

收稿日期:2014-03-06 修回日期:2014-04-22 发布日期:2014-08-10 出版日期:2014-08-01
通讯作者: 蒋胜
作者简介:蒋胜（1991-），男，安徽滁州人，硕士研究生，主要研究方向：电子商务；王忠群（1965-），男，安徽芜湖人，教授，主要研究方向：信息管理与信息系统、软件工程、工作流；修宇（1976-），男，安徽芜湖人，讲师，主要研究方向：数据挖掘、机器学习。
基金资助:
国家自然科学基金资助项目;教育部人文社科规划项目

Collaborative filtering recommendation method of integrating social tags and users background information

JIANG Sheng,WANG Zhong-qun,XIU Yu,HUANG Subin

School of Computer and Information, Anhui Polytechnic University, Wuhu Anhui 241000, China

Received:2014-03-06 Revised:2014-04-22 Online:2014-08-10 Published:2014-08-01
Contact: JIANG Sheng
Supported by:
Project supported by the National Natural Science Foundation of China

摘要/Abstract

摘要：

针对传统的协同推荐算法存在数据稀疏和推荐精度低的问题，提出了一种集成社会化标签和用户背景信息的协同过滤(CF)推荐方法。首先，分别计算基于社会化标签和用户背景信息的用户间的相似度；然后，基于用户评分计算用户间的相似度；最后，集成上述3种相似性度量产生用户间综合相似度，并对目标用户进行项目推荐。实验结果表明，与传统的协同过滤推荐算法相比，所提方法在正常数据集和冷启动数据集下的平均绝对误差(MAE)平均降低了16%和22.6%。该方法不仅能有效地提高推荐算法的精度，而且能较好地解决数据稀疏和冷启动的问题。

Abstract:

To address the difficulty of data sparsity and lower recommendation precision in the traditional Collaborative Filtering (CF) recommendation algorithm, a new CF recommendation method of integrating social tags and users background information was proposed in this paper. Firstly, the similarities of different social tags and different users background information were calculated respectively. Secondly, the similarities of different users ratings were calculated. Finally, these three similarities were integrated to generate the integrated similarity between users and undertook the recommendations about items for target users. The experimental results show that, compared with the traditional CF recommendation algorithm, the Mean Absolute Error (MAE) of the proposed algorithm respectively reduces by 16% and 22.6% in the normal dataset and cold-start dataset. The new method can not only improve the accuracy of recommendation algorithm, but also solve the problems of data sparsity and cold-start.

中图分类号:

TP391
TP18

蒋胜王忠群修宇皇苏斌. 集成社会化标签和用户背景信息的协同过滤推荐方法[J]. 计算机应用, 2014, 34(8): 2328-2331.

JIANG Sheng WANG Zhong-qun XIU Yu HUANG Subin. Collaborative filtering recommendation method of integrating social tags and users background information[J]. Journal of Computer Applications, 2014, 34(8): 2328-2331.

参考文献

［1］HUANG L, LI D. A review of information recommendation in social media ［J］. CAAI Transactions on Intelligent Systems, 2012, 7(1): 1-8.(黄立威,李德毅.社交媒体中的信息推荐［J］.智能系统学报,2012,7(1):1-8.)
［2］RICCI F, ROKACH I, SHAPIRA B, et al. Recommender systems handbook ［M］. Berlin: Springer, 2011: 145-186.
［3］YU H, LI Z. A collaborative filtering recommendation algorithm based on forgetting curve ［J］. Journal of Nanjing University: Natural Sciences, 2010, 46(5): 520-527.(于洪,李转运.基于遗忘曲线的协同过滤推荐算法［J］.南京大学学报:自然科学版，2010,46(5):520-527.)
［4］FENG Y, LI J, XU H, et al. Collaborative recommendation method improvement based on social network analysis ［J］. Journal of Computer Applications, 2013, 33(3): 841-844.(冯勇,李军平,徐红艳,等.基于社会网络分析的协同过滤推荐方法改进［J］.计算机应用,2013,33(3):841-844.)
［5］WANG H, MU Y, YU X. Resource recommendation in social tagging system based on collaborative matrix factorization ［J］. Application Research of Computers, 2013, 30(6): 1739-1741.(王海雷,牟雁超,俞学宁.基于协同矩阵分解的社会化标签系统的资源推荐［J］.计算机应用研究,2013,30(6):1739-1741.)
［6］SYMEONIDIS P, TIAKAS E, MANOLOPOULOS Y. Product recommendation and rating prediction based on multi-modal social networks ［C］// Proceedings of the 5th ACM Conference on Recommender Systems. New York: ACM Press, 2011: 61-68.
［7］JIA D, ZENG C, PENG Z, et al. A user preference based automatic potential group generation method for social media sharing and recommendation ［J］. Chinese Journal of Computers, 2012, 35(11): 2381-2391.(贾大文,曾承,彭智勇,等.一种基于用户偏好自动分类的社会媒体共享和推荐方法［J］.计算机学报,2012,35(11):2381-2391.)
［8］ZHAO Y, DONG J, DONG J. Tag recommendation for blogs based on social tagging ［J］. Computer Engineering and Design, 2012, 33(12): 4609-4613.(赵亚楠,董晶,董佳亮.基于社会化标注的博客标签推荐方法［J］.计算机工程与设计,2012,33(12):4609-4613.)
［9］JIA D, ZHANG F. A collaborative filtering recommendation algorithm based on double neighbor choosing strategy ［J］. Journal of Computer Research and Development, 2013, 50(5): 1076-1084.(贾冬艳,张付志.基于双重邻居选取策略的协同过滤推荐算法［J］.计算机研究与发展,2013,50(5):1076-1084.)
［10］ZHUANG J, WANG M, YE M. Agriculture information recom-mendation system based on content filtering ［J］. Computer Engineering, 2012, 38(11): 38-41.(庄景明,王明文,叶茂盛.基于内容过滤的农业信息推荐系统［J］.计算机工程,2012,38(11):38-41.)
［11］XIA N, SU Y, QIN H, et al. Method for personalized user profiling in social tagging systems ［J］. Journal of Computer Applications, 2011, 31(6): 1667-1670.(夏宁霞,苏一丹,覃华,等.社会化标签系统中个性化的用户建模方法［J］.计算机应用,2011,31(6):1667-1670.)
［12］ADOMAVICIUS G, TUZHILIN A. Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions ［J］. IEEE Transactions on Knowledge and Data Engineering, 2005, 17(6): 734-749.

[1]	张佳慧李晓明张嘉祥. 强化形态感知的路面缺陷检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	杨建锋陈斌李雨轩. 基于点云重构的自监督点云异常检测方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	薛振华李强黄超. 视觉大模型驱动的像素级图像异常检测模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	蒋畅江向杰何旭颖. 面向机械臂抓取的双目视觉目标定位算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	边小勇胡其仁袁培洋. 多注意力对比学习的红外小目标检测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[6]	李钟华钟庚辛范萍朱恒亮. 通过边界挖掘和背景引导的伪装目标检测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[7]	吴松霖张广朝姚远彭博. 基于判别区域引导的多视图困难气道识别[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[8]	李强白少雄熊源袁薇. 基于视觉大模型隐私保护的监控图像定位[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	薛雅丽徐忠敏刘世豪. 基于多级小波残差网络的重力数据去噪方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	况世雄姚俊波陆佳炜王琪冰肖刚. 基于动态图卷积网络的电梯乘客异常行为数据增强方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	康斌陈斌王俊杰李昱林赵军智咸伟志. 基于多粒度共享语义中心关联的文本到人物检索方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	张庆杨凡方宇涵. 基于多模态信息融合的中文拼写纠错算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[13]	王昊王金伟程鑫张家伟吴昊罗向阳马宾. 彩色图像JPEG重压缩取证综述[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[14]	王磊胡节彭博. 用于半监督火灾检测的分布自适应和动态课程伪标签框架[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[15]	刘晋文王磊马博董瑞杨雅婷艾合塔木江·艾合麦提王欣乐. 基于弱监督模态语义增强的多模态有害信息检测方法 [J]. 《计算机应用》唯一官方网站, 0, (): 0-0.

集成社会化标签和用户背景信息的协同过滤推荐方法

Collaborative filtering recommendation method of integrating social tags and users background information

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics