期刊论文

Recommending Personalized Contents from Cross-Domain Resources Based on Tags

中文

数据分析与知识发现

2096-3467

2019

3

2

21-32

10.11925/infotech.2096-3467.2018.0497

国家社会科学基金项目“基于人类行为动力学的社交网络信息交流行为研究”（项目编号:16BTQ076）的研究成果之一；

本校为第一机构

【目的】利用标签间的关系实现跨领域资源推荐。【方法】构建跨领域资源推荐模型,分析标签特性并选择可用于跨领域推荐的标签。以DBSCAN算法结合标签向量实现初步的基于资源类型的跨领域资源推荐,将TF-IDF算法与个性化标签相结合改进初步结果,实现个性化更强的二次推荐。【结果】基于资源推荐的召回率、准确率、F值分别为0.82、0.75、0.78,基于用户标签推荐的召回率、准确率、F值分别为0.80、0.74、0.77,基于资源与用户推荐的结果与用户兴趣具有强关联性。【局限】用于初次推荐的标签数量较少,难以全面反映资源特征。用于二次推荐的标签需根据用户进行选择,采集较为困难。【结论】当不同领域中的...

[Objective] This study tries to generate personalized contents from cross-domain resources based on the relationship among online tags.[Methods] First,we proposed a cross-domain resource recommendation model.Then,we identified tags appropriate for cross-domain recommendations.Third,we combined the DBSCAN algorithm with the tag vector to obtain the initial recommendation candidates.Finally,we used the TF-IDF algorithm along with the personalized tags to improve the initial list.[Results] The recall,precision,and F-measure of the resource-based r...