人工智能：基于标签权重评分的推荐模型及算法研究

《人工智能：基于标签权重评分的推荐模型及算法研究》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、第４０卷第６期计算机学报Ｖｏｌ．４０Ｎｏ．６２０１７年６月ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳＪｕｎｅ２０１７基于标签权重评分的推荐模型及算法研究孔欣欣苏本昌王宏志高宏李建中（哈尔滨工业大学计算机科学与技术学院哈尔滨１５０００１）摘要推荐系统已经被越来越频繁地应用到电子商务网站与一些社交网站，在提高用户满意度的同时也带来了巨大的商业利益．然而，当前的推荐算法由于原始数据的不完整性以及算法本身处理数据的特殊性，导致推荐效果不理想．例如，某些推荐系统会产生冷启动、复杂兴趣推荐困难、解释性差等问题．为此，该文提出一种基于标签权重评分的推荐系统模型（ＬａｂｅｌＷｅｉｇｈｔＲａｔｉｎ

2、ｇｂａｓｅｄＲｅｃｏｍｍｅｎｄａｔｉｏｎ，ＬＷＲ），旨在使用一种较为简洁的方式———标签权重评分来获取用户最准确的评价和需求，并通过改进当前的一些推荐算法来处理标签权重评分数据，从而生成对用户的推荐，最后以标签权重评分的形式向用户展示推荐结果并作出合理的解释．扩展实验中，通过电影推荐实验，证明了该文技术的有效性和可行性．关键词推荐系统；标签；标签权重评分；数据挖掘；人工智能中图法分类号ＴＰ３９１犇犗犐号１０．１１８９７／ＳＰ．Ｊ．１０１６．２０１７．０１４４０犚犲狊犲犪狉犮犺狅狀狋犺犲犕狅犱犲犾犻狀犵犪狀犱犚犲犾犪狋犲犱犃犾犵狅狉犻狋犺犿狊狅犳犔犪犫犲犾犠犲犻犵犺狋犚犪狋犻狀犵犅犪狊犲犱

3、犚犲犮狅犿犿犲狀犱犪狋犻狅狀犛狔狊狋犲犿ＫＯＮＧＸｉｎＸｉｎＳＵＢｅｎＣｈａｎｇＷＡＮＧＨｏｎｇＺｈｉＧＡＯＨｏｎｇＬＩＪｉａｎＺｈｏｎｇ（犛犮犺狅狅犾狅犳犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔，犎犪狉犫犻狀犐狀狊狋犻狋狌狋犲狅犳犜犲犮犺狀狅犾狅犵狔，犎犪狉犫犻狀１５０００１）犃犫狊狋狉犪犮狋ＲｅｃｏｍｍｅｎｄａｔｉｏｎＳｙｓｔｅｍｈａｓｂｅｅｎｆｒｅｑｕｅｎｔｌｙａｐｐｌｉｅｄｉｎｔｏｖａｒｉｏｕｓｅｃｏｍｍｅｒｃｅｗｅｂｓｉｔｅｓａｎｄｓｏｃｉａｌｎｅｔｗｏｒｋｉｎｇｓｉｔｅｓ．Ｗｉｔｈｉｍｐｒｏｖｉｎｇｕｓｅｒｓ’ｓａｔｉｓｆａｃｔｉｏｎ，ｒｅｃｏｍｍｅｎ

4、ｄａｔｉｏｎｓｙｓｔｅｍｈａｓａｌｓｏｂｒｏｕｇｈｔｈｕｇｅｃｏｍｍｅｒｃｉａｌｉｎｔｅｒｅｓｔｓ．Ｈｏｗｅｖｅｒ，ａｓｔｈｅｏｒｉｇｉｎａｌｄａｔａｉｓｉｎｃｏｍｐｌｅｔｅａｎｄｓｏｍｅｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｓｈａｖｅｔｈｅｉｒｏｗｎｓｐｅｃｉａｌｗａｙｏｆｐｒｏｃｅｓｓｉｎｇｄａｔａ，ｃｕｒｒｅｎｔｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍｓｏｍｅｔｉｍｅｓｃａｎｎｏｔｗｏｒｋｖｅｒｙｗｅｌｌ．Ｆｏｒｅｘａｍｐｌｅ，ｓｏｍｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍｓａｒｅｂｏｔｈｅｒｅｄｗｉｔｈｃｏｌｄｓｔａｒｔｐｒｏｂｌｅｍ，ｄｉｆｆｉｃｕｌｔｆｏｒｃｏｍｐｌ

5、ｅｘｉｎｔｅｒｅｓｔｒｅｃｏｍｍｅｎｄａｔｉｏｎｐｒｏｂｌｅｍ，ｐｏｏｒｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｙａｎｄｓｏｏｎ．Ｃｏｎｓｅｑｕｅｎｔｌｙ，ｉｎｔｈｅｐａｐｅｒ，ｗｅｐｒｏｐｏｓｅａｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍｍｏｄｅｌｉｎｇｂａｓｅｄｏｎｌａｂｅｌｗｅｉｇｈｔｒａｔｉｎｇ．Ｉｎｔｈｉｓｓｙｓｔｅｍ，ｆｉｒｓｔｗｅｗｉｌｌｇｅｔｔｈｅｍｏｓｔａｃｃｕｒａｔｅｅｖａｌｕａｔｉｏｎａｎｄｄｅｍａｎｄｉｎｇｉｎｆｏｒｍａｔｉｏｎｏｆｕｓｅｒｓｉｎａｍｏｒｅｃｏｎｃｉｓｅｗａｙ—ｌａｂｅｌｗｅｉｇｈｔｒａｔｉｎｇｍｅｔｈｏｄ．Ｔｈｅｎｗｅｗｉｌｌｇｅｎｅｒａｔｅｒｅｃｏｍｍｅ

6、ｎｄａｔｉｏｎｓｕｓｉｎｇｉｍｐｒｏｖｅｄｅｘｉｓｔｉｎｇｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍ．Ｆｉｎａｌｌｙ，ｗｅｗｉｌｌｓｈｏｗｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｔｏｔｈｅｕｓｅｒｓｉｎｔｈｅｆｏｒｍｏｆｌａｂｅｌｗｅｉｇｈｔｒａｔｉｎｇａｎｄｍａｋｅｒｅａｓｏｎａｂｌｅｅｘｐｌａｎａｔｉｏｎｔｏｕｓｅｒｓ．Ｉｎｔｈｅｅｘｔｅｎｄｅｄｅｘｐｅｒｉｍｅｎｔｓｗｅｄｅｓｉｇｎａｓｅｒｉｅｓｏｆｍｏｖｉｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｅｘｐｅｒｉｍｅｎｔｓｔｏｐｒｏｖｅｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓａｎｄｆｅａｓｉｂｉｌｉｔｙｏｆｔｈｅｍｏｄｅｌｉｎｇ．犓犲狔狑狅狉犱狊ｒｅｃ

7、ｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍ；ｌａｂｅｌ；ｌａｂｅｌｗｅｉｇｈｔｒａｔｉｎｇ；ｄａｔａｍｉｎｉｎｇ；ａｒｔｉｆｉｃｉａｌｌｉｎｔｅｌｌｉｇｅｎｃｅ收稿日期：２０１４０６２７；最终修改稿收到日期：２０１５０６１５．本课题得到国家自然科学基金（６１４７２０９９，６１００３０４６）、国家“九七三”重点基础研究发展规划项目基金（２０１２ＣＢ３１６２００）和国家科技支撑计划（２０１５ＢＡＨ１０Ｆ００）资助．孔欣欣，