不同粒度标签推荐算法的比较研究  

Comparative research on different grain-based tag recommendation algorithm

作　　者：靳延安[1,2] 李玉华[1] 刘行军[2] 

机构地区：[1]华中科技大学计算机学院,武汉430074 [2]湖北经济学院信息管理学院,武汉430205

出　　处：《计算机应用研究》2012年第2期504-509,共6页Application Research of Computers

基　　金：国家自然科学基金资助项目(70771043);湖北省教育科学"十一五"规划项目(2010B039);湖北省人文社科项目(2010Q094)

摘　　要：针对社会标签系统中不同粒度的特征在表示文档时具有不同的描述能力这一特性,提出从词粒度和话题粒度来推荐社会标签以提高标签推荐的准确度。提出使用统计语言模型(词粒度)和隐含话题模型(话题粒度)分别建模文档的描述集和标签集,首先使用单个模型进行标签推荐,然后融合不同的特征粒度进行标签推荐。实验结果表明:就单一方法讲,基于统计语言模型的推荐性能要比基于话题粒度模型的推荐性能好;基于两种方法的混合方法的性能要好于没有混合的基于话题的单个方法;涉及较少特征的混合方法的推荐性能要优于涉及较多特征的混合方法。Social tagging system has a characteristic that different entities from different grain have different descriptive power.This paper proposed some methods to recommend more precise tags from fine word-grained and coarse topic-grained according to this characteristic.The descriptions and tags of documents were modeled with statistic language model（fine word-grained） and latent dirichlet allocate model（coarse topic-grained）,respectively.The paper hybrided different single model to recommend tags after using a single model,and then compared their different performances.The results of experiments show that the performance of word-grained tag recommendation is better than the topic-grained one,and the hybrid methods are better than non-hybrid ones,and the less the related features of hybrid are,the better the performance is obtained.

关 键 词：标签推荐 统计语言模型 隐含话题模型 不同粒度 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]