期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
标签模糊和冗余在标签推荐中的研究及应用
1
作者 张新伦 苏一丹 覃希 《计算机应用研究》 CSCD 北大核心 2011年第8期2971-2973,共3页
现有的Folksonomy标签推荐系统使用的推荐算法没有考虑标签模糊和冗余问题,影响了用户建模和对推荐系统评估的准确性,并且降低了系统的推荐质量,增加了用户选择喜好项目时的负担。通过对标签推荐系统的研究,将标签模糊和冗余应用到标签... 现有的Folksonomy标签推荐系统使用的推荐算法没有考虑标签模糊和冗余问题,影响了用户建模和对推荐系统评估的准确性,并且降低了系统的推荐质量,增加了用户选择喜好项目时的负担。通过对标签推荐系统的研究,将标签模糊和冗余应用到标签推荐算法当中,有助于提高系统的推荐质量,并且能提供更合理的评价方法。实验结果表明:经过标签模糊和冗余处理的标签推荐算法显著地提高了推荐系统的推荐质量。 展开更多
关键词 标签推荐系统 标签模糊 标签冗余 标签推荐算法 推荐质量
在线阅读 下载PDF
标签推荐Top-N列表优化算法 被引量:2
2
作者 朱小兵 丁明玉 肖玉 《计算机应用与软件》 北大核心 2022年第11期281-287,共7页
针对标签推荐算法推荐列表长度常为固定值,进而导致推荐精度下降的问题,提出一种优化标签推荐算法Top-N推荐列表长度的算法。该算法对Top-N推荐列表进行重排序;再对排序以后的Top-N标签推荐列表进行列表长度的优化,进而计算出最优的标... 针对标签推荐算法推荐列表长度常为固定值,进而导致推荐精度下降的问题,提出一种优化标签推荐算法Top-N推荐列表长度的算法。该算法对Top-N推荐列表进行重排序;再对排序以后的Top-N标签推荐列表进行列表长度的优化,进而计算出最优的标签推荐列表长度。在多个真实数据集之上进行了多次对比实验,结果表明,标签Top-N推荐列表优化算法具有较好的推荐性能。 展开更多
关键词 标签推荐 Top-N列表 标签推荐系统 列表优化
在线阅读 下载PDF
核K-Means聚类在Folksonomy标签模糊和冗余中的应用 被引量:3
3
作者 张新伦 苏一丹 惠刚刚 《计算机应用》 CSCD 北大核心 2011年第3期680-682,697,共4页
现有的Folksonomy标签推荐系统中,标签模糊会导致系统推荐不准确,并且影响用户建模的准确性,而标签冗余妨碍了对系统的评估。利用K-Means聚类结果抽取模糊和冗余标签时,聚类效果较差导致抽取不准确。提出使用核K-Means聚类处理标签模糊... 现有的Folksonomy标签推荐系统中,标签模糊会导致系统推荐不准确,并且影响用户建模的准确性,而标签冗余妨碍了对系统的评估。利用K-Means聚类结果抽取模糊和冗余标签时,聚类效果较差导致抽取不准确。提出使用核K-Means聚类处理标签模糊和冗余,通过非线性映射能够较好地分辨、提取并放大样本中有用的特征,提高抽取模糊标签和冗余标签的准确度。实验结果表明:核K-Means聚类对标签和资源的聚类效果更好,抽取的模糊标签和冗余标签也更准确。 展开更多
关键词 Folksonomy标签推荐系统 标签模糊 标签冗余 核K-Means聚类
在线阅读 下载PDF
用子空间粒子群聚类算法识别Folksonomy标签冗余的研究
4
作者 王晓帅 覃华 +1 位作者 丁立朵 马翩翩 《计算机科学》 CSCD 北大核心 2012年第B06期283-287,共5页
Web2.0标签系统中经常包含很多冗余的标签,标签冗余会增加用户选择喜好项目时的负担,从而影响用户建模和对推荐系统的评估。标签数据集通常存在着大量不相关或是冗余的特征,而不同簇之间的相关特征子集又是不一样的,所以应该从不同的特... Web2.0标签系统中经常包含很多冗余的标签,标签冗余会增加用户选择喜好项目时的负担,从而影响用户建模和对推荐系统的评估。标签数据集通常存在着大量不相关或是冗余的特征,而不同簇之间的相关特征子集又是不一样的,所以应该从不同的特征子集中来发现簇。提出使用子空间粒子群聚类识别标签冗余,算法采用指数型变权类似K-means的目标函数,该函数对变量权值的改变更加敏感。在此基础上利用粒子群优化目标函数搜寻得到全局最优的标签聚类,提高抽取冗余标签的准确度。实验结果表明,此算法具有较强的全局搜索能力,应用于标签冗余识别获得了更好的精度。 展开更多
关键词 Web2.0标签推荐系统 标签冗余 子空间粒子群聚类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部