基于特征加权张量分解的标签推荐算法研究-江苏科技大学学报.PDFVIP

第２９卷第６期 江苏科技大学学报（自然科学版） Ｖｏｌ２９ Ｎｏ６ 　 ２０１５年１２月 ＪｏｕｒｎａｌｏｆＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）　 Ｄｅｃ．２０１５ 　　　　　　 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３－４８０７．２０１５．０６．０１２ 基于特征加权张量分解的标签推荐算法研究 １ ２ 孙玲芳 ，冯遵倡 （１．泰州学院计算机科学与技术学院，江苏 泰州２２５３００） （２．江苏科技大学 计算机科学与工程学院，江苏 镇江２１２００３） 摘　要：针对标签推荐系统存在极度稀疏性的问题，通过提取标注过程的关键特征并计算元组的初始权重，构建加权元组 集的张量模型；然后应用高阶奇异值分解（ｈｉｇｈｏｒｄｅｒｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＨＯＳＶＤ）对张量模型降维，根据处理结果 作标签推荐，从而达到提高推荐效率的目的；运用ＭｏｖｉｅＬｅｎｓ数据集对基于特征加权张量分解的标签推荐算法进行了模拟， 实验结果表明：基于特征加权张量分解的标签推荐算法比传统算法推荐效果更好。该方法能够有效改善数据稀疏性问题， 提高了推荐效率． 关键词：大众标注；标签推荐；张量分解；特征加权；高阶奇异值分解 中图分类号：ＴＰ３９　　　　　文献标志码：Ａ　　　　　文章编号：１６７３－４８０７（２０１５）０６－０５７４－０６ Ｔａｇｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｆｅａｔｕｒｅ ｗｅｉｇｈｔｉｎｇａｎｄｔｅｎｓｏｒｄｅｃｏｍｐｏｓｉｔｉｏｎ １ ２ ＳｕｎＬｉｎｇｆａｎｇ，ＦｅｎｇＺｕｎｃｈａｎｇ （１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＴａｉｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，ＴａｉｚｈｏｕＪｉａｎｇｓｕ２２５３００，Ｃｈｉｎａ） （２．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＺｈｅｎｊｉａｎｇＪｉａｎｇｓｕ２１２００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｔａｇｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍｉｓｅｘｔｒｅｍｅｌｙｓｐａｒｓｅ，ｔｈｅｔｅｎｓｏｒｍｏｄｅｌｏｆ ｗｅｉｇｈｔｅｄｔｕｂｌｅｓｅｔｉｓｃｏｎｓｔｒｕｃｔｅｄｂｙｅｘｔｒａｃｔｉｎｇｔｈｅｋｅｙｆｅａｔｕｒｅｓｏｆｔｈｅｔａｇｇｉｎｇｐｒｏｃｅｓｓａｎｄｃａｌｃｕｌａｔｉｎｇｔｈｅｉｎｉｔｉａｌ ｗｅｉｇｈｔｓｏｆｔｈｅｅｌｅｍｅｎｔｓ；Ｔｈｅｎ，ｗｅｕｓｅｔｈｅｈｉｇｈｏｒｄｅｒｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＨＯＳＶＤ）ｔｏｒｅｄｕｃｅｔｈｅｄｉ ｍｅｎｓｉｏｎｏｆｔｈｅｔｅｎｓｏｒｍｏｄｅｌ，Ｓｏｔｈａｔｉｔｃａｎｉｍｐｒｏｖｅｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ；ＴｈｅＭｏｖｉｅＬｅｎｓｄａｔａｓｅｔｉｓ ｕｓｅｄｔｏｓｉｍｕｌａｔｅｔｈｅｔａｇｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｆｅａｔｕｒｅｗｅｉｇｈｔｉｎｇｔｅｎｓｏｒｄｅｃｏｍｐｏｓｉｔｉｏｎ．Ｔｈｅｅｘｐｅｒｉ ｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｔａｇｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｆｅａｔｕｒｅｗｅｉｇｈｔｉｎｇｔｅｎｓｏｒｄｅｃｏｍｐｏｓｉｔｉｏｎｉｓｂｅｔ ｔｅｒｔｈａｎｔｈｅｔｒａｄｉｔｉｏｎａｌａｌｇｏｒｉｔｈｍ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｄｅａｌｗｉｔｈｔｈｅｄａｔａｓｐａｒｓｉｔｙｐｒｏｂｌｅｍａｎｄ ｉｍｐｒｏｖｅｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｅｆｆｅｃｔ． Ｋｅｙｗｏｒｄｓ：ｆｏｌｋｓｏｎｏｍｙ；