基于lda的社会化标签系统推荐技术研究

《基于lda的社会化标签系统推荐技术研究》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、学校代码：10564学号：2013210103分类号：TP301.6密级：硕士学位论文基于LDA的社会化标签系统推荐技术研究张彬彬指导教师：林丕源教授学院名称：数学与信息学院专业名称：计算机软件与理论答辩委员会主席：韩国强教授中国·广州2016年6月华南农业大学学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名：日期：学位论

2、文提交同意书本学位论文符合国家和华南农业大学关于研究生学位论文的相关规定，达到学位授予要求，同意提交。导师签名：日期：学科带头人签名：日期：摘要随着计算机网络的迅猛发展，社会化标签系统成为众多新型网络应用的不可或缺的一部分，并因其操作便捷、操作简单等优点深受互联网用户的喜爱。标签推荐系统可以推荐相应的标签给用户，既方便了用户的操作又提高了系统标注的质量，但是会产生大量富含价值的数据，从而形成“用户-资源-标签”的三维模型。目前的标签推荐算法基本都是借鉴传统的推荐算法，将这种三维关系拆分成二维关系来解决，而这种转换过程容易导致用户信息的描述模糊、语义丢失、标签的个性化信息减

3、弱的问题，进而限制了个性化推荐的效果。针对现有方法存在的不足，本文以CiteULike数据集为研究对象，提出了一种基于LDA模型的个性化标签推荐模型LTR。该模型运用主题模型的思想解决社会化标签系统的推荐问题，为了更加合理地设计推荐模型，首先对社会化标签系统、主题模型和LDA等相关知识进行了更深一层的探索。其次提出综合考虑用户、标签、资源和资源的语义信息，从话题语义层面来挖掘用户和资源、标签和资源、资源之间的内在联系，构建了基于主题模型的社会化标签推荐模型LTR。本文在CiteULike真实数据集上进行了两组的相关对比实验，从两个角度分别验证该算法的推荐效果：（1）固定推

4、荐长度下，比较LTR算法与目前的主流的HOSVD、FolkRank、DirectBin25、SK5、Popitem、UCTM、Majdi’sMethod方法的准确率、召回率和F1值，验证该算法的推荐效果；（2）不同密度的数据集下，计算LTR算法在稀疏数据集和相对紧密的数据集下，推荐长度从少至多逐渐递增过程中的准确率、召回率和F1值，验证该算法各阶段的推荐效果。实验结果说明LTR算法在考虑了具有丰富语义信息的摘要文本下，发挥了涵盖用户意识的个性化标签来增强推荐的准确性，不但能为用户提供个性化推荐，而且相比现有算法能获得更好的推荐效果，一定程度上解决了用户兴趣提取不准确问题和

5、在稀疏数据的情况下，LTR推荐能力更有优势。关键词：社会化标签系统;标签推荐;个性化推荐;主题模型;狄利克雷分配模型IResearchonrecommendationtechniquesforsocialtaggingsystemsbasedonLDAZhangBinbin(CollegeofMathematicsandInformatics,SouthChinaAgriculturalUniversity,Guangzhou510642,China)Abstract:Withtherapiddevelopmentofcomputernetwork,thesocialta

6、ggingsystemhasbecomeanimportantpartofmanynewnetworkapplications,anditisfavoredbynetworkusersbecauseofitseasytooperateandeasytouse.Tagrecommendationisanimportantfunctionofthetagsystem,itcanprovidetheappropriatelabeltotheuser,whichisconvenientforuseroperationandimprovethequalityoftaggingsys

7、tem,butwillproducelargeamountsofdatarichvalue,leadingtotheformationof"userresourcetag"ofathree-dimensionalmodel.Existingtagrecommendationmethodfromtraditionalrecommendationmethods,mostlythroughtheresolutionofthe3Dmodelintobinaryrelationsforprocessing,andthisconversi