對用戶協(xié)同模型和多興趣模型算法加以了模擬實現(xiàn)，構(gòu)建了相關(guān)的模型并給出針對具體模型的推薦。在此基礎(chǔ)上，結(jié)合用戶參與評分的方法對算法的推薦效果進行了評價。結(jié)果發(fā)現(xiàn)，基于用戶協(xié)同模型的算法要略優(yōu)于現(xiàn)有的基于用戶自身標簽的算法，而基于多興趣模型的推薦則要明顯好于上述兩種算法，原因可能是多興趣模型中的子興趣保持了資源主題的單一性，從而有助于找到更為相關(guān)的資源。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
目錄
第一篇 基礎(chǔ)篇
第1章 緒論 3
1.1 研究背景及意義 3
1.2 社會化標注的相關(guān)理論 6
1.3 本書的內(nèi)容安排 14
第2章 相關(guān)研究進展17
2.1 傳統(tǒng)的推薦技術(shù) 17
2.2 基于社會化標注的推薦 19
2.3 現(xiàn)有研究存在的不足 38
第二篇 基礎(chǔ)算法篇
第3章 基于社會化標注的用戶協(xié)同模型 43
3.1 用戶標注中的偏差行為 44
3.2 主流標簽的確定 54
3.3 用戶協(xié)同模型的建立 60
第4章 基于社會化標注的用戶多興趣模型 64
4.1 用戶多興趣的驗證 65
4.2 聚類分析方法 68
4.3 聚類的實現(xiàn) 73
4.4 用戶多興趣模型的建立 83
第5章 基于用戶協(xié)同和多興趣模型的推薦算法88
5.1 基于社會化標注的資源模型 88
5.2 相關(guān)匹配算法 94
5.3 兩種模型下的推薦算法 97
第6章 基于社會化標注推薦的模擬實現(xiàn)與評價 103
6.1 基于社會化標注推薦的模擬實現(xiàn) 103
6.2 推薦算法的評估 111
第三篇 語義優(yōu)化篇
第7章 基于多義標簽的推薦算法優(yōu)化 115
7.1 標簽預(yù)處理 115
7.2 多義標簽識別 117
7.3 用戶模型標簽消歧 122
7.4 基于標簽消歧的推薦優(yōu)化算法 124
第8章 基于同義標簽的推薦算法優(yōu)化 127
8.1 WordNet 概述 128
8.2 構(gòu)建同義標簽集 129
8.3 資源模型的同義擴展 133
8.4 基于同義擴展的推薦算法優(yōu)化 136
第9章 實驗結(jié)果與分析 139
9.1 算法實現(xiàn) 139
9.2 算法評價 142
第四篇 結(jié)論篇
第10章 結(jié)論與展望 152
10.1 主要結(jié)論 152
10.2 后續(xù)研究展望 154
參考文獻 156
書單推薦
