基于混合模型的科技論文標簽推薦方法研究.pdf

1、隨著Web2.0時代的蓬勃發(fā)展，為用戶提供標記功能的網(wǎng)站應運而生。作為標記實體的標簽是用戶對物品語義內(nèi)容簡單描述，反映用戶對物品的興趣程度。以打標簽為主體的標簽系統(tǒng)作為很多網(wǎng)站中的必要組成部分，對于方便用戶信息檢索、發(fā)現(xiàn)內(nèi)容、進行決策等都起到非常重要的作用。隨著標簽系統(tǒng)的發(fā)展，標簽中的拼寫錯誤、同義詞、組合詞等引起的標簽膨脹于或者不規(guī)范的問題逐漸暴露出來，這時標簽推薦發(fā)揮了作用。在數(shù)據(jù)挖掘、信息檢索及其相關領域，標簽推薦已經(jīng)成為一個非常

2、熱門的研究點。
　　近些年，研究人員將目光轉(zhuǎn)向了混合模型來做標簽推薦。混合模型是把協(xié)同過濾和主題模型兩種方法進行融合，一方面吸收了協(xié)同過濾的在推薦上的優(yōu)點，另一方面，通過內(nèi)容信息將條目聚類，并通過語義聯(lián)系起來，相關實驗表明混合方法確實有著不錯的表現(xiàn)。本文實現(xiàn)的是面向科技論文的標簽推薦方法，主要解決如何對科技論文推薦標簽，進而方便用戶對論文選擇合適標注的問題。本文從研究現(xiàn)狀出發(fā)，分析現(xiàn)有標簽推薦的不足，借鑒混合模型在整合多源數(shù)據(jù)方面

3、的優(yōu)點，提出了兩種模型：基于核的協(xié)同主題回歸模型和基于內(nèi)容互信的矩陣分解主題回歸模型這兩種方法。前者利用高斯過程添加核函數(shù)的方式捕捉數(shù)據(jù)之間的非線性的社交關系，有效解決了由于傳統(tǒng)推薦中假設個體之間相互獨立而帶來的弊端；而后者引入信任傳播機制來描述社交關系中存在關聯(lián)的個體之間內(nèi)容上的聯(lián)系，通過使用正則化拉普拉斯函數(shù)表示社交關系中個體之間關系，有效的解決了如何表示個體之間信任關系強弱的問題。
　　本文中提出的兩種方法都是將內(nèi)容信息和社