基于詞向量的標簽語義推薦算法研究.pdf

1、在Web2.0的環(huán)境下，鼓勵用戶創(chuàng)造內(nèi)容是主基調(diào)。社會化標簽作為一種使用靈活、對用戶友好、無約束的分類方式，在業(yè)界得到了廣泛的應用。社會標簽具備組織、分享、檢索和發(fā)現(xiàn)新資源、新用戶等良好特性。但同樣也存在標簽分布稀疏、標簽使用率低、用戶標注隨意以致出現(xiàn)噪聲標簽甚至惡意標簽等情況。為趨利避害，標簽推薦技術應運而生，得到學界的廣泛關注，也成為推薦系統(tǒng)的熱門研究方向。
　　本文圍繞社會標簽系統(tǒng)的標簽推薦技術展開。具體工作如下:
　

2、　第一、本文首先對推薦系統(tǒng)的組成以及推薦原理進行介紹，并對目前標簽推薦技術的文獻進行梳理，對算法分類整理并總結優(yōu)缺點，為后續(xù)在標簽推薦技術領域的研究提供一定的參考。本文發(fā)現(xiàn)目前大多數(shù)的標簽推薦技術缺乏對標簽語義的研究，而且現(xiàn)有的標簽語義研究適用范圍有限。因此提出基于詞向量的標簽語義推薦算法，以開發(fā)出兼具內(nèi)容過濾和協(xié)同過濾優(yōu)越性的標簽推薦技術。
　　第二、本文采用了Skip-gram算法計算標簽相似度。與目前主流的Wu&Palmer

3、概念相似度算法相比，具備三個優(yōu)點:一是適用范圍更廣，Wu&Palmer概念相似度算法僅局限于英文;二是詞語對象完備，Wu&Palmer概念相似度算法是建立在WordNet語義層次結構上，然而WordNet語義字典只收錄155287個詞語，無法對超出字典的詞語進行處理;三是能計算短語的相似度。WordNet字典無法解析短語，如“l(fā)ess than300ratings”，標簽系統(tǒng)中類似的短語標簽是很常見的?？偠灾琒kip-gram算法在