论文摘要：贯串社会标签语义的共同过滤引荐本领接洽

跟着互联网络范围和在线数据范围的连接延长，天性化引荐本领发端变成扶助用户从洪量数据中赶快，智能地获得相映消息的灵验本领。天性化引荐体例按照用户部分各别的爱好喜好举行引荐，个中最常用的一种天性化引荐体例的实行本领即是共同过滤引荐本领。同声社会标签搜集让互联网络用户不妨经过本人采用的标签来瓜分、标明、探求搜集资源，其包括的很多语义消息和要害的用户爱好消息也不妨用来动作共同过滤引荐的数据根源。正文开始对鉴于评阅一致度的K隔壁模子举行了领会和接洽，以面向项手段K隔壁模子为中心接洽东西。该模子的特性是重要按照评阅一致度来计划出项手段K个迩来街坊，生存的题目主假如举行引荐时，K值过常会引导计划量过大而感化引荐爆发的及时性；而K值过小会引导引荐精度低沉。现有的对鉴于评阅一致度的K隔壁模子的优化本领，主假如运用社会标签汇合的笛卡尔一致度或运用名目间的一致度扶助度举行优化。而舆论创造不妨运用社会标签的语义一致度与评阅一致度扶助度贯串来连接对模子举行优化。舆论贯串现有本领接洽了社会标签语义一致度的计划本领，经过对现有Web2.0中的社会标签搜集举行领会，辨别举行标签之间和标签汇合之间的一致度计划，并将社会标签一致度融洽到引荐体例中。舆论提出结束合社会标签一致度的K隔壁模子，重要处事是以名目社会标签一致度扶助度的办法将社会标签搜集的语义消息集成到K隔壁模子中去，来革新模子的本能。正文提出了三种融洽社会标签语义一致度（Folksonomy Similarity，FS）和评阅一致度（Rating Similarity，RS）的本领，囊括以百分比融洽、以权重融洽和贯串评阅一致度扶助度以几率散布加权融洽。结果，正文在如实的数据集上实行了试验和领会。经过正文的接洽表白，贯串社会标签语义的共同过滤引荐本领运用社会标签语义一致度优化后的K隔壁模子，暴露了社会标签之间、社会标签和名目之间的关系联系，更好地测量了名目与名目之间的隔壁联系，建立的K隔壁模子越发精确，使引荐体例的本能在引荐精度长进一步普及，到达沟通本能时的K值的采用有了一倍之上的优化。