基于社会化标注的个性化推荐算法研究

基于社会化标注的个性化推荐算法研究
作者：魏建良 著
出版时间：2019年版
内容简介
　　随着信息社会与数字经济时代的全面到来，越来越多的用户成为互联网信息内容的创造者，网络信息过载也日益严重。在此条件下，如何有效地过滤与选择信息成为时代性的挑战。标签作为一种用户视角的资源特征表述方式，成为个性化信息推荐研究重要的数据来源。《基于社会化标注的个性化推荐算法研究》首先对标签相关文献进行了系统回顾，然后以标签及社会化标注为切入点，应用派系聚类法和向量模型法，从用户间协同、用户多兴趣两个角度构建了若干个性化推荐算法。并在此基础上，结合 Word Net 进一步提出了面向语义优化的改进推荐算法。实验表明，《基于社会化标注的个性化推荐算法研究》所提出的算法具有更好的推荐效果。
目录
目录
第一篇 基础篇
第1章 绪论 3
1.1 研究背景及意义 3
1.2 社会化标注的相关理论 6
1.3 本书的内容安排 14
第2章 相关研究进展17
2.1 传统的推荐技术 17
2.2 基于社会化标注的推荐 19
2.3 现有研究存在的不足 38
第二篇 基础算法篇
第3章 基于社会化标注的用户协同模型 43
3.1 用户标注中的偏差行为 44
3.2 主流标签的确定 54
3.3 用户协同模型的建立 60
第4章 基于社会化标注的用户多兴趣模型 64
4.1 用户多兴趣的验证 65
4.2 聚类分析方法 68
4.3 聚类的实现 73
4.4 用户多兴趣模型的建立 83
第5章 基于用户协同和多兴趣模型的推荐算法88
5.1 基于社会化标注的资源模型 88
5.2 相关匹配算法 94
5.3 两种模型下的推荐算法 97
第6章 基于社会化标注推荐的模拟实现与评价 103
6.1 基于社会化标注推荐的模拟实现 103
6.2 推荐算法的评估 111
第三篇 语义优化篇
第7章 基于多义标签的推荐算法优化 115
7.1 标签预处理 115
7.2 多义标签识别 117
7.3 用户模型标签消歧 122
7.4 基于标签消歧的推荐优化算法 124
第8章 基于同义标签的推荐算法优化 127
8.1 WordNet 概述 128
8.2 构建同义标签集 129
8.3 资源模型的同义扩展 133
8.4 基于同义扩展的推荐算法优化 136
第9章 实验结果与分析 139
9.1 算法实现 139
9.2 算法评价 142
第四篇 结论篇
第10章 结论与展望 152
10.1 主要结论 152
10.2 后续研究展望 154
参考文献 156