主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
王瑜,武延军,吴敬征,刘晓燕.基于异构网络面向多标签系统的推荐模型研究.软件学报,2017,28(10):2611-2624
基于异构网络面向多标签系统的推荐模型研究
Multi-Dimensional Tag Recommender Model via Heterogeneous Networks
投稿时间:2015-11-10  修订日期:2016-03-17
DOI:10.13328/j.cnki.jos.005132
中文关键词:  异构网络  网络嵌入  标签推荐  标签系统  图模型
英文关键词:heterogeneous network  network embedding  tag recommendation  tagging system  graph model
基金项目:中国科学院先导专项(XDA06010600)
作者单位E-mail
王瑜 中国科学院 软件研究所, 北京 100190
中国科学院大学, 北京 100049 
wangyu@nfs.iscas.ac.cn 
武延军 中国科学院 软件研究所, 北京 100190  
吴敬征 中国科学院 软件研究所, 北京 100190  
刘晓燕 中国科学院大学, 北京 100049  
摘要点击次数: 909
全文下载次数: 890
中文摘要:
      标签成为信息组织的重要方式之一,随着推荐系统的蓬勃发展,标签推荐成为学者们研究的重要问题之一.目前存在各种各样的标签系统,其功能千差万别,标签数据信息越来越复杂.目前研究往往针对特定类型标签数据,缺乏既综合考虑标签数据中不同类型对象的复杂信息又能适用于多种标签系统数据的标签推荐模型.构建了标签推荐模型HnMTR,该模型首先针对标签数据中不同类型对象构建异构网络模型,其次对异构网络模型中不同类型顶点进行同空间映射,使不同类型的顶点和边可在同一空间进行量化比较;最后基于同空间映射后网络,引入多参数马尔可夫模型进行标签评分和推荐.通过基于豆瓣、Delicious和Meetup这3个标签系统数据实验,其结果表明,HnMTR模型平均准确率比目前主流算法提高10%以上,取得了较好的推荐结果.
英文摘要:
      Tagging has become one of the most significant methods for information organization.With the proliferation of recommending systems, tag recommendation problem has attracted more and more attention from researchers.Currently, while a variety of tagging systems exist, as the system function becomes more and more complex, the information of tagging data generated by tagging system becomes increasingly complex.In this paper, a tagging system is modeled as a heterogeneous network.To learn the importance of different types of nodes and edges, a general graph-based model, called HnMTR, is proposed.First, HnMTR maps different heterogeneous objects into a unified space so that objects from different dimensions can be directly compared.Then multivariate Markov model is applied to the mapped network to rank tag nodes.Highly ranked tags are recommended for the user.Experiments on three real world datasets with different tagging behavior demonstrate that the proposed method outperforms the state-of-the-art methods significantly.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利