基于词向量的标签语义推荐算法研究管理科学与工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 分类号： 分类号： 学校代号：11845 UDC： 密级： 学号：2111208029 广东工业大学硕士学位论文 (管理学硕士) 基于词向量的标签语义推荐算法研究 黄聪 指导教师姓名、职称： 墓赞教援 学科(专业)或领域名称： 笪堡型堂皇工程 学生所属学院： 笪堡堂瞳 论文答辩日期： 三Q二五生五旦 万方数据 A A Dissertation Submitted to Guangdong University of Technology for the Degree of Master (Master ofManagement Science) Tag Semantics Recommendation Algorithm Research Based On Distributed RepreSentatiOnS of Words Candidate：Huang Cong Supervisor：Prof．Mo Zan May 2015 School of Management Guangdong University of Technology Guangzhou，Guangdong，P．R．China．510006 万方数据 摘要摘要 摘要 摘要 在Web2．0的环境下，鼓励用户创造内容是主基调。社会化标签作为一种使用灵活、 对用户友好、无约束的分类方式，在业界得到了广泛的应用。社会标签具备组织、分 享、检索和发现新资源、新用户等良好特性。但同样也存在标签分布稀疏、标签使用 率低、用户标注随意以致出现噪声标签甚至恶意标签等情况。为趋利避害，标签推荐 技术应运而生，得到学界的广泛关注，也成为推荐系统的热门研究方向。 本文围绕社会标签系统的标签推荐技术展开。具体工作如下： 第一、本文首先对推荐系统的组成以及推荐原理进行介绍，并对目前标签推荐技术 的文献进行梳理，对算法分类整理并总结优缺点，为后续在标签推荐技术领域的研究 提供一定的参考。本文发现目前大多数的标签推荐技术缺乏对标签语义的研究，而且 现有的标签语义研究适用范围有限。因此提出基于词向量的标签语义推荐算法，以开 发出兼具内容过滤和协同过滤优越性的标签推荐技术。 第二、本文采用了Skip．gram算法计算标签相似度。与目前主流的wuPalmer 概念相似度算法相比，具备三个优点：一是适用范围更广，WuPalmer概念相似度算 法仅局限于英文：二是词语对象完备，WuPalmer概念相似度算法是建立在WordNet 语义层次结构上，然而WordNet语义字典只收录155287个词语，无法对超出字典的词 语进行处理；三是能计算短语的相似度。WordNet字典无法解析短语，如“less than 300 ratings”，标签系统中类似的短语标签是很常见的。总而言之，Skip—gram算法在标签推 荐领域实用性更强。 第三、本文提出的基于词向量的标签语义推荐算法，结合了神经网络语言模型和匈 牙利算法，较好地解决了标签与标签相似度和用户与用户之间相似度计算问题。并通 过实验，与现有算法比较，在推荐精度上有一定的提高。 关键词：社会标签；标签推荐；词向量；标签语义；Skip—gram 万方数据 广东工业大学硕士学位论文Abstract 广东工业大学硕士学位论文 Abstract Encouraging users to generate content is the main tone on the context of Web 2．0．Tags， which are free—format keywords or terms created by users to describe content，are best able to categorize or index the information and to cope丽tll the large amount of data in a timely manner．Users Call also share tags to their friends．Despite the above advantages，social tags are free text and are not constrained by a controlled vocabulary and annotation guidelines， tags tend to be noisy and sparse．In order to improve these bad situations，tag recommenders emerged as the times require and has drawn SO much