欢迎来到天天文库
浏览记录
ID:35016364
大小:6.55 MB
页数:64页
时间:2019-03-16
《基于词向量的标签语义推荐算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、广东工业大学硕士学位论文(管理学硕士)基于词向量的标签语义推荐算法研究黄聪二〇一五年四月十八曰分类号:11845:学校代号UDC:密级:学号:2111208029广东工业大学硕士学位论文(管理学硕士)基于词向量的标签语义推荐算法研究黄聪指导教师姓名、职称:莫赞教授学科(专业)或领域名称:管理科学与工程学生所属学院:管理学院论文答辩日期二0—五年五月:iADissertationSubmittedtoGuandonUniversitofTechnologgygy
2、fortheDegreeofMasterMasterofManaementScience(g)TagSemanticsRecommendationAlgorithmResearchBasedOnDiresentansofordsistrbutedReptioWCandidate:HuanConggSuervisor:Prof.MoZanpMa2015ySchoolofManaementgGuangdongUniversityofTechnologyGuanzhou
3、Guandon,P.R.China510006g,gg,摘要摘要eb2一.0的环境下、在W,鼓励用户创造内容是主基调。社会化标签作为种使用灵活、对用户友好、无约束的分类方式,在业界得到了广泛的应用。社会标签具备组织分享、检索和发现新资源、新用户等良好特性。但同样也存在标签分布稀疏、标签使用率低、用户标注随意以致出现噪声标签甚至恶意标签等情况。为趋利避害,标签推荐。技术应运而生,得到学界的广泛关注,也成为推荐系统的热门研究方向本文围绕社会标签系统的标签推荐技术展开。具体工作如下:一、第本文首先对推荐系统的组成
4、以及推荐原理进行介绍,并对目前标签推荐技术的文献进行梳理,对算法分类整理并总结优缺点,为后续在标签推荐技术领域的研究一提供定的参考。本文发现目前大多数的标签推荐技术缺乏对标签语义的研究,而且现有的标签语义研究适用范围有限。因此提出基于词向量的标签语义推荐算法,以开发出兼具内容过滤和协同过滤优越性的标签推荐技术。二-第、本文釆用了Skipgram算法计算标签相似度。与目前主流的Wu&Palmer一Wu&Pa:lm概念相似度算法相比,具备三个优点是适用范围更广,er概念相似度算法仅局限于英文;二是词语对象完备,Wu&Pa
5、lmer概念相似度算法是建立在WordNet语义层次结构上,然而WordNet语义字典只收录155287个词语,无法对超出字典的词“语进行处理;三是能计算短语的相似度。WordNet字典无法解析短语,如lessthan300”r-matings,标签系统中类似的短语标签是很常见的。总而言之,Skipgra算法在标签推荐领域实用性更强。第三、本文提出的基于词向量的标签语义推荐算法,结合了神经网络语言模型和匈牙利算法,较好地解决了标签与标签相似度和用户与用户之间相似度计算问题。并通过实验一,与现有算法比较,在推荐精度上有定的
6、提高。关键词-ram:社会标签;标签推荐词向量标签语义Ski;;;pgI广东工业大学领士学位论文AbstractEncourainuserstoeneratecontentisthemaintoneonthecontextof.TsWeb2.0agggg,whcareee-rmatewordsomscteserstoscrecontentareestableihfrfokyrterreadbyudeib,btocategorizeorindexthein
7、formationandtocopewiththelargeamountofdatainatimelymanner.Userscanalsosharetagstotheirfriends.Despitetheaboveadvantages,socialtagsarefreetextandarenotconstrainedbyacontrolledvocabularandannotationuidelines,ygtastendtobenoisandsar
8、se.Inordertoimrovethesebadsituationstare
此文档下载收益归作者所有