基于景点标签的协同过滤推荐

doi:10.11772/j.issn.1001-9081.2014.10.2854

计算机应用 ›› 2014, Vol. 34 ›› Issue (10): 2854-2858.DOI: 10.11772/j.issn.1001-9081.2014.10.2854

基于景点标签的协同过滤推荐

史一帆¹,文益民¹,²,蔡国永¹,³,缪裕青¹,³

1. 桂林电子科技大学计算机科学与工程学院，广西桂林 541004；
2. 广西可信软件重点实验室（桂林电子科技大学），广西桂林 541004
3.

收稿日期:2014-06-26 修回日期:2014-07-08 发布日期:2014-10-30 出版日期:2014-10-01
通讯作者: 文益民
作者简介:史一帆（1988-），女，湖南郴州人，硕士，主要研究方向：机器学习、数据挖掘、旅游信息智能处理；
文益民（1969-），男，湖南益阳人，教授，博士，CCF高级会员，主要研究方向：机器学习、数据挖掘、推荐系统、智慧旅游；
蔡国永（1971-），男，广西河池人，教授，博士，CCF高级会员，主要研究方向：社交媒体分析、可信计算、软件工程；
缪裕青（1966-），女，浙江台州人，副教授，博士，主要研究方向：数据挖掘、云计算、并行计算。
基金资助:
国家自然科学基金资助项目;广西区科学研究与技术开发项目;广西可信软件重点实验室项目

Collaborative filtering recommendation based on tags of scenic spots

SHI Yifan¹,WEN Yimin¹,²,CAI Guoyong¹,²,MIU Yuqing¹,²

1. School of Computer Science and Engineering, Guilin University of Electronic Technology, Guilin Guangxi 541004, China;
2. Guangxi Key Laboratory of Trusted Software (Guilin University of Electronic Technology), Guilin Guangxi 541004, China

Received:2014-06-26 Revised:2014-07-08 Online:2014-10-30 Published:2014-10-01
Contact: WEN Yimin

摘要/Abstract

摘要：

针对基于用户社会关系的协同过滤推荐算法有时无法给出目标用户对目标物品的评分的情况，以及基于物品的协同过滤推荐算法中存在的用户对不同类型物品的评分可能不具有可比性的问题，提出了两个基于物品标签的协同过滤推荐算法。这两个算法在计算物品相似度时引入了物品的类型标签信息。在景点评分数据上的实验结果表明：相比基于用户社会关系的协同过滤推荐算法，基于用户社会关系和物品标签的协同过滤推荐算法的准确率和覆盖率提升最高达10%和4%；相比基于物品的协同过滤推荐算法，基于物品和物品标签的协同过滤推荐算法的准确率提升达15%。这说明景点类型标签信息的引入能使得景点的相似度计算更准确。

Abstract:

In user-based collaborative filtering recommendation based on social relations, sometimes the ratings for the target items can not be predicted. Whats more, in traditional item-based collaborative filtering, there are still some items which are not in the same class with the target item and not suitable to be references for predicting ratings. To handle these problems, two new algorithms of collaborative filtering recommendation were proposed, in which the tags of scenic spots type were introduced to compute the similarity between two scenic spots. The experimental results on the data set of scenic spots ratings show that, compared with the user-based collaborative filtering recommendation algorithms based on social relations, the algorithm based on the social relation and tag can increase the accuracy and the coverage by 10% and 4% respectively, and compared with the item-based collaborative filtering recommendation algorithms, the collaborative filtering recommendation algorithm based on item and tag can increase the accuracy by 15%, it also shows that introducing the tags of scenic spots type can make the computation of the similarity between two scenic spots more accurate.

中图分类号:

TP391.4
TP18

史一帆文益民蔡国永缪裕青. 基于景点标签的协同过滤推荐[J]. 计算机应用, 2014, 34(10): 2854-2858.

SHI Yifan WEN Yimin CAI Guoyong MIU Yuqing. Collaborative filtering recommendation based on tags of scenic spots[J]. Journal of Computer Applications, 2014, 34(10): 2854-2858.

参考文献

［1］MASSA P, AVESANI P. Trust-aware collaborative filtering for recommender systems ［C］// Proceedings of the 2004 Conference on Cooperative Information Systems. Berlin: Springer, 2004:492-508.
［2］MASSA P, AVESANI P. Trust-aware recommender systems ［C］ // Proceedings of the 2007 ACM Conference on Recommender Systems. New York: ACM Press, 2007:17-24.
［3］YU X, WANG Z. A enhanced trust model based on social network and online behavior analysis for recommendation ［C］// Proceedings of the 2010 International Conference on Computational Intelligence and Software Engineering. Piscataway: IEEE Press, 2010:1-4.
［4］ODONOVAN J, SMYTH B. Trust in recommender systems ［C］// Proceedings of the 10th International Conference on Intelligent User Interfaces. New York: ACM Press, 2005. 167-174.
［5］XIANG L. Practice of recommendation system ［M］. Beijing: Posts & Telecom Press, 2012.（项亮.推荐系统实践［M］.北京:人民邮电出版社,2012.）
［6］SARWAR B, KARYPIS G, RIEDL J. Item-based collaborative filtering recommendation algorithms ［C］// Proceedings of World Wide Web Conference Series. New York: ACM Press, 2001:285-295.
［7］GOLDBERG D, NICHOLS D, OKI B M, et al.Using collaborative filtering to weave an information tapestry ［J］. Communications of the ACM, 1992,35(12):61-70.
［8］VICTOR P, CORNELIS C, COCK M D, et al.A comparative analysis of trust-enhanced recommenders for controversial items ［C］// Proceedings of the 3rd International Conference on Weblogs and Social Media. Palo Alto: AAAI Press, 2009: 342-345.
［9］NAKAMOTO R, NAKAJIMA S, MIYAZAKI J, et al.Tag-based contextual collaborative filtering ［J］. IAENG International Journal of Computer Science, 2007,34(2):214-219.
［10］ZHAO S, DU N, NAUERZ A, et al.Improved recommendation based on collaborative tagging behaviors ［C］// Proceedings of the 13th International Conference on Intelligent User Interfaces. New York: ACM Press, 2008:413-416.
［11］Ctrip. Ctrip.com ［EB/OL］. ［2014-02-12］. http://www.ctrip.com.
［12］TANG J, HU X, LIU H. Social recommendation: a review ［J］. Social Network Analysis and Mining, 2013,3(4):1113-1133.
［13］VICTOR P, COCK M D, CORNELIS C. Trust and recommendations ［M］// KANTOR P B, ROKACH L, RICCI F, et al.Recommender Systems Handbook. Berlin: Springer, 2011:645-675.
［14］JAMALI M, ESTER M. Trustwalker: a random walk model for combining trust-based and item-based recommendation ［C］// Proceedings of 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM Press, 2009:397-406.

[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]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	王子怡李卫军刘雪洋丁建平刘世侠苏易礌. 基于Swin Transformer与多尺度特征融合的图像描述方法#br# [J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	熊炜, 陈奕博, 张丽真, 杨茜, 邹勤. 利用多帧序列影像的自监督单目深度估计[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3907-3914.
[13]	付可意, 王高才, 邬满. 基于改进区域提议网络和特征聚合小样本目标检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3790-3797.
[14]	杨成昊, 胡节, 王红军, 彭博. 基于注意力机制的不完备多视图聚类算法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3784-3789.
[15]	方鹏, 赵凡, 王保全, 王轶, 蒋同海. 区块链3.0的发展、技术与应用[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3647-3657.

基于景点标签的协同过滤推荐

Collaborative filtering recommendation based on tags of scenic spots

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