多标签网页的Gauss-PNN粗糙集排序推荐-计算机应用研究.PDF

第３４卷第２期 计 算 机 应 用 研 究 Ｖｏｌ．３４Ｎｏ．２ 　 　 ２０１７年２月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｆｅｂ．２０１７ 多标签网页的ＧａｕｓｓＰＮＮ粗糙集排序推荐 １ ２ ２ 李又玲 ，常致全 ，杨　浩 （１．成都师范学院计算机学院，成都６１１１３０；２．四川大学计算机学院，成都６１００６５） 摘　要：为解决传统算法在网页多标签推荐过程中存在的信息不确定和较多结构冗余问题，提出基于高斯ＰＮＮ 粗糙集期望的多标签网页推荐算法。首先，基于粗糙集方法对标准概率数据流神经网络进行改进，提高其数据 不确定处理能力；其次，为解决标准概率数据流神经网络数据覆盖性较差，且网络结构具有较大冗余，导致其无 法快速识别新增标签的问题，基于附加的高斯块及其新增、组合及移除功能，对概率神经网络进行改进，解决标 准ＰＮＮ模型无法准确表达新增类别数据的问题，并对标签进行排序，实现新增数据的实时性预测；最后，利用所 提算法对Ｙａｈｏｏ多标签推荐实例进行验证，结果显示所提方法的推荐精度及效率更高。 关键词：多标签；粗糙集；概率神经网络；高斯理论 中图分类号：ＴＰ１８１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１７）０２０３８２０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１７．０２．０１４ ＭｕｌｔｉｌａｂｅｌＷｅｂｒｅｃｏｍｍｅｎｄａｔｉｏｎｂａｓｅｄｏｎＧａｕｓｓＰＮＮｒｏｕｇｈｓｅｔｅｘｐｅｃｔａｔｉｏｎ １ ２ ２ ＬｉＹｏｕｌｉｎｇ，ＣｈａｎｇＺｈｉｑｕａｎ，ＹａｎｇＨａｏ （１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＣｈｅｎｇｄｕＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１１１３０，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ， Ｃｈｅｎｇｄｕ６１００６５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｕｎｃｅｒｔａｉｎｉｎｆｏｒｍａｔｉｏｎａｎｄｒｅｄｕｎｄａｎｔｉｎｆｏｒｍａｔｉｏｎｉｎｔｈｅｐｒｏｃｅｓｓｏｆｍｕｌｔｉｌａｂｅｌｒｅ ｃｏｍｍｅｎｄａｔｉｏｎｏｆＷｅｂｐａｇｅｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｍｕｌｔｉｌａｂｅｌＷｅｂｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＧａｕｓｓＰＮＮｒｏｕｇｈｓｅｔ ｔｈｅｏｒｙ．Ｆｉｒｓｔｌｙ，ｉｔｉｍｐｒｏｖｅｄｔｈｅｓｔａｎｄａｒｄｐｒｏｂａｂｉｌｉｓｔｉｃｄａｔａｓｔｒｅａｍｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｔｈｅｍｅｔｈｏｄｏｆｒｏｕｇｈｓｅｔ，ｗｈｉｃｈｃｏｕｌｄ ｉｍｐｒｏｖｅｔｈｅａｂｉｌｉｔｙｆｏｅｔｈｅｄａｔａｐｒｏｃｅｓｓｉｎｇ．Ｓｅｃｏｎｄｌｙ，ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｐｏｏｒｎｅｕｒａｌｎｅｔｗｏｒｋｄａｔａｃｏｖｅｒｉｎｇ，ｉｔ ｉｍｐｒｏｖｅｄｔｈｅｐｒｏｂａｂｉｌｉｓｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｂａｓｅｄｏｎｔｈｅａｄｄｉｔｉｏｎＧａｕｓｓｆｕｎｃｔｉｏｎｂｌｏｃｋａｎｄｉｔｓａｄｄ，ｒｅｍｏｖｅａｎｄｃｏｍｂｉｎａｔｉｏｎ ｆｕｎｃｔｉｏｎ，ｗｈｉｃｈｓｏｌｖｅｄｔｈｅｐｒｏｂｌｅｍｏｆｔｈｅｓｔａｎｄａｒｄＰＮＮｍｏｄｅｌｃｏｕｌｄｎｏｔａｃｃｕｒａｔｅｌｙｅｘｐｒｅｓｓｔｈｅｎｅｗｃａｔｅｇｏｒｉｅｓｏｆｄａｔａ，ａｎｄｒｅ ａｌｉｚｅｄｔｈｅｒｅａｌｔｉｍｅｐｒｅｄｉｃｔｉｏｎｔｏ