一种基于领域本体的混合推荐算法-论文.pdf

《一种基于领域本体的混合推荐算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、两化融合一种基于领域本体的混合推荐算法郑元平／浙江师范大学数理与信息工程学院．r．容过滤主要取决于表征项目的内容(或特content(d1)=(wli，w2l，W3i，⋯)(3)I'’I征)之间的相似度，其优点是它不需要额外而用户的兴趣则通过算法从Content中学习得到。令的其他用户的数据，它只需要用户的使用历profile(u)表示用户的兴趣模型，一种简单的表征用户兴史记录以及相关项目的信息。然而，这种推荐算法的缺点趣模型的方式为：却是：随着系统当中项目数量的增多，计算项目(或特lprq／~／e()。Ⅳ“1l，czmtent(∥)(4)征)间的相似度将变成棘手的问题。协同

2、过滤算法是基于用户之间相似性的，它不需要项目的其他信息。然而，协任意给定一个用户u,11一个待推荐的项目d，则用户U同过滤却面临冷启动问题⋯，此外矩阵稀疏性问题也是传对d的喜好程度可以表示为：统协同过滤推荐算法的另一个严重的问题。同时，传统CBPref(u，d)=Score(profile(u)，content(d))(5)的这两种推荐算法不能很好的挖掘和预测用户的兴趣，并2领域本体且它们对于用户兴趣的变化做出的反应非常慢。本体(Ontology)是关于一个领域的明确的规范的形1主要的推荐算法式化说明。图1展示的是电影推荐领域中相关的抽象概1．1协同过滤(简称CF)。是目前使

3、用和研究最多的念。推荐算法”，协同过滤通过邻居用户的信息来计算得到目标用户的推荐。其认为：一个用户会与和他有相同兴趣的用户喜欢相同的项目。任意给定两个用户U和v，用N(u)表示用户U的特征集合，N(v)表示用户v的特征集合，则u和v的相似度可以使用如下公式进行描述：N()nnr)Ⅲ“)。；Ui一．)~JN÷、(1)于是，用户u对项日i的喜好程度可由预测评分表示为：(、-，：，te~u,，)=IZ~'erSim(u，)．wte(v，)(2)、协同过滤以用户对项目的评分来代表用户的喜好程度，协同过滤算法使用用户．项目评分矩阵的行列向量来表示用户和项目，因而用户和项目都是用评分向量

4、表示的。图1领域本体MovieLens、Ringo和Tapestry等是使用协同过滤著名的系其中与用户相关的信息有两方面：使用历史是用来记统录用户在观看电影时的动作的。’兴趣节点记录的是用户的1．2内容过滤(简称CB)从搜索引擎发展而来】，是兴趣，其中对象属性“兴趣点”指向的是用户感兴趣的对协同过滤技术的延续，是一种非常重要的推荐技术，也是象，它的实例即为用户的Profile。其中的用户兴趣部分是一种匹配技术。CB认为用户会喜欢与他之前喜欢的项目相最主要的，在本文用户的兴趣模型被描述为向量Profile=似的项目。内容过滤要求为项目和用户建模，一般的方法(Il，I2，⋯⋯，I

5、N)。是设立配置文件(profile)用于储存用户兴趣和项目的内3基于本体的推荐算法容【9】。令k，是项目d的第i个关键词，W。为ki对应的权重，那3．1本体中概念的语义相似度计算公式么项目di可以用向量模型表示为：在本文中，我们引进语义相似度计算公式，则本体中●卜—————————一中图分类号：TP391．3CDSoftwareandApplicationsl134本期关注两化融合任意两个概念A和B的语义相似度定义为：基于本体的混合推荐。以上算法的步骤只进行到评分预测，并未得出最终的推荐结果。在混合推荐算法中，本⋯l／。j'L—detain'(．4一,B)j(6)文将上面多

6、种算法的预测评分进行线性组合，得到组合评其中：distance()表示树形结构中两个节点的距分，其步骤为：离，depth()、density()分别表示节点深度和密度。公1C：使用(10)组合评分公式进行评分：式中的三个因式分别代表语义距离、节点深度和密度对语HYbPref(u，d)=Q·CBPref(u，d)+义相似度的影响。(1．Q)·CFPref(u，d)(10)3．2基于本体的推荐算法接下来的步骤是以上算法都可以继续的步骤，它是以基于本体的协同过滤。其算法步骤为：上算法的推荐步骤。1A：使用公式计算出与目标用户最相似的K个邻居；对刚刚评分的项目按评分排序，将评分最高的

7、前N个UserSim(u，v)=Osim(u，V)=Osim(profile项目推荐给用户。(u)，profile(v))(7)因此，在实际系统当中我们的算法即可以各自单独的2A：使用公式(8)进行评分预测，并用预测评分填运行，也可以两种组合起来运行。充和修正评分矩阵；4结束语cF1，：⋯ff_卜w(CpdataTim~J．L(seJ'Sim(tt·l)rate(v,d)(8)在基于本体的协同过滤和内容过滤算法中，本文将基于本体的内容过滤。其算法步骤为：传统的基于向量模型的相似度计算公式改为了基于本体1