• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于標(biāo)簽的評(píng)分信息熵推薦算法①

    2017-10-20 03:08:51
    關(guān)鍵詞:信息熵標(biāo)簽權(quán)重

    葉 婷

    (南京財(cái)經(jīng)大學(xué) 信息工程學(xué)院,南京 210046)

    基于標(biāo)簽的評(píng)分信息熵推薦算法①

    葉 婷

    (南京財(cái)經(jīng)大學(xué) 信息工程學(xué)院,南京 210046)

    由于標(biāo)簽是由用戶根據(jù)自己的理解和喜好隨意進(jìn)行標(biāo)注的因此存在大量的噪聲標(biāo)簽,導(dǎo)致基于標(biāo)簽的推薦系統(tǒng)準(zhǔn)確率不高.針對(duì)這種情況,提出了結(jié)合評(píng)分信息熵的標(biāo)簽推薦算法.算法通過(guò)判斷用戶在標(biāo)注標(biāo)簽的評(píng)分穩(wěn)定程度來(lái)確定該標(biāo)簽對(duì)于用戶的重要性從而過(guò)濾掉噪聲標(biāo)簽將重要標(biāo)簽賦予較高權(quán)重,并構(gòu)建用戶的興趣模型,最后應(yīng)用到協(xié)同過(guò)濾算法中產(chǎn)生推薦.該算法能有效地利用評(píng)分權(quán)重并結(jié)合信息熵來(lái)增強(qiáng)推薦準(zhǔn)確率,與以往的基于標(biāo)簽的推薦算法進(jìn)行對(duì)比,能獲得滿意的推薦效果.

    標(biāo)簽; 評(píng)分信息熵; 興趣模型; 協(xié)同過(guò)濾; 推薦算法

    隨著Internet的迅猛發(fā)展,人們的衣食住行交流溝通方面也漸漸離不開互聯(lián)網(wǎng)技術(shù).然而,互聯(lián)網(wǎng)中充斥著復(fù)雜多樣的信息,網(wǎng)絡(luò)信息過(guò)載的問(wèn)題也日益嚴(yán)重.不可否認(rèn),搜索引擎的出現(xiàn)和使用在很大程度上給用戶帶來(lái)了便利.它可以根據(jù)用戶設(shè)置的檢索條件進(jìn)行信息匹配,從而推送出相關(guān)信息返回給用戶.這種檢索過(guò)程要求用戶能夠明確地表達(dá)自己的信息需求,然而并不是所有的需求和偏好都能通過(guò)關(guān)鍵字來(lái)描述.傳統(tǒng)的搜索引擎技術(shù)已經(jīng)不能滿足用戶的搜索需要,因此個(gè)性化推薦技術(shù)孕育而生,且很好的緩解了信息過(guò)載問(wèn)題[1].

    由社會(huì)化標(biāo)簽是用戶為方便自己使用對(duì)資源的概要描述,它不僅反映了用戶的喜好興趣,還可以反映被標(biāo)注的資源的特性,因此得到了學(xué)術(shù)界和產(chǎn)業(yè)界的重視.目前已有不少學(xué)者將社會(huì)化標(biāo)簽應(yīng)用到推薦系統(tǒng)中.Marimho等人[2]提出了基于用戶、資源、標(biāo)簽三元關(guān)分離三個(gè)二維二維矩陣,計(jì)算向量矩陣的相似度來(lái)求得與目標(biāo)用戶有相似興趣的其他用戶從而進(jìn)行推薦.Symeonidis[3]根據(jù)社會(huì)標(biāo)簽系統(tǒng)的用戶、項(xiàng)目、標(biāo)簽數(shù)據(jù)構(gòu)建三階張量模型,并結(jié)合聚類方法以減小張量維度從而簡(jiǎn)化推薦運(yùn)算.Jiang和Zhou等[4]為了提高基于標(biāo)簽的推薦性能,考慮結(jié)合時(shí)間因素以及社會(huì)關(guān)系信息從而優(yōu)化推薦結(jié)果.Cao J等[5]提出了一種新的半監(jiān)督學(xué)習(xí)算法,該算法先在少量標(biāo)注標(biāo)簽的用戶集中訓(xùn)練得到一個(gè)貝葉斯分類器,并融合混合型協(xié)同過(guò)濾算法提出Web服務(wù)的雙向推薦機(jī)制.以上研究多采用機(jī)器學(xué)習(xí)的相關(guān)算法,由于標(biāo)簽自身的語(yǔ)義模糊等特征且社會(huì)化系統(tǒng)中有大量的噪聲標(biāo)簽存在,導(dǎo)致最終的推薦結(jié)果不是很令人滿意.

    盡管目前在社會(huì)化標(biāo)簽的推薦算法上已經(jīng)有很多研究,但大部分的研究多是考慮標(biāo)簽復(fù)雜的語(yǔ)義信息或是對(duì)標(biāo)簽進(jìn)行“一視同仁”的處理.然而,由于用戶的認(rèn)知水平、教育背景存在差異,對(duì)事物的理解也會(huì)有所差別,因此標(biāo)簽質(zhì)量的優(yōu)劣也不確定.由此可知,相同的標(biāo)簽對(duì)于不同的用戶來(lái)說(shuō)其重要程度也會(huì)有所不同.通常,如果一個(gè)標(biāo)簽多次被一個(gè)用戶用來(lái)標(biāo)記資源,則可認(rèn)為這個(gè)標(biāo)簽對(duì)這個(gè)用戶的重要程度很高.常用的計(jì)算標(biāo)簽權(quán)重的TF-IDF[6,7]方法就是利用特性將標(biāo)簽與其他用戶的標(biāo)簽區(qū)分開來(lái),如果該標(biāo)簽較少被其他用戶使用,那么該標(biāo)簽對(duì)于該用戶的意義就較大.然而,用戶對(duì)于標(biāo)簽的使用只是出于自身對(duì)于資源的理解,并不代表其對(duì)于該標(biāo)簽的喜愛,并且根據(jù)用戶對(duì)于標(biāo)簽標(biāo)注的資源打分不同,對(duì)于同一標(biāo)簽的喜愛程度也是不同的.

    本文考慮引入標(biāo)簽信息熵的特征實(shí)現(xiàn)對(duì)標(biāo)簽區(qū)別對(duì)待,之前也有一些應(yīng)用信息熵的信息到推薦系統(tǒng)當(dāng)中.如Saneeha等[8]通過(guò)將用戶的興趣特征進(jìn)行層次聚類,通過(guò)計(jì)算用戶興趣特征對(duì)應(yīng)到各個(gè)類簇的比例從而確定各興趣項(xiàng)的熵權(quán)重.Harita等[9]通過(guò)用戶對(duì)電影數(shù)據(jù)是否感興趣程度分為1、0兩個(gè)類別繼而訓(xùn)練最大熵模型和標(biāo)簽特征并應(yīng)用到推薦系統(tǒng)中.Javier等[10]考慮結(jié)合標(biāo)簽的評(píng)分?jǐn)?shù)據(jù)來(lái)計(jì)算用戶興趣項(xiàng)的權(quán)重從而產(chǎn)生推薦.以上研究方法多是通過(guò)數(shù)據(jù)挖掘算法和大量的數(shù)據(jù)模型訓(xùn)練計(jì)算信息熵,或簡(jiǎn)單的結(jié)合評(píng)分?jǐn)?shù)據(jù)計(jì)算用戶的興趣項(xiàng)權(quán)重,多是要求用戶主觀上將興趣項(xiàng)分類而不能通過(guò)算法自適應(yīng)地修正用戶的興趣項(xiàng)權(quán)重,最終推薦效果一般且耗費(fèi)大量時(shí)間.

    因此本文提出了基于評(píng)分信息熵的用戶標(biāo)簽權(quán)重計(jì)算方法,通過(guò)衡量用戶對(duì)標(biāo)注標(biāo)簽的資源的打分不確定程度并結(jié)合歸一化的評(píng)分?jǐn)?shù)據(jù)綜合評(píng)價(jià)用戶標(biāo)簽權(quán)重,從而構(gòu)建用戶的基于標(biāo)簽的興趣模型,并應(yīng)用到推薦算法中.

    1 基于評(píng)分信息熵的用戶標(biāo)簽權(quán)重計(jì)算

    在本文中,用戶的興趣模型是通過(guò)用戶的標(biāo)簽數(shù)據(jù)進(jìn)行構(gòu)建,并融合了用戶的評(píng)分、標(biāo)簽頻數(shù)、標(biāo)簽信息熵等特征計(jì)算興趣項(xiàng)的權(quán)重.其中,U=u1,u2,,u|U|定義為一組用戶,I= i1,i2,,i|I|定義為一組項(xiàng)目,T=t1,t2,,t|T|定義為標(biāo)注在項(xiàng)目的標(biāo)簽.總的來(lái)說(shuō),用戶對(duì)項(xiàng)目的評(píng)分可以體現(xiàn)用戶對(duì)其興趣度,用戶給項(xiàng)目打的標(biāo)簽體現(xiàn)了用戶對(duì)項(xiàng)目的理解,本文聯(lián)系用戶的評(píng)分?jǐn)?shù)據(jù)以及標(biāo)簽數(shù)據(jù)來(lái)計(jì)算興趣項(xiàng)權(quán)重從而協(xié)同過(guò)濾推薦.

    定義1.(用戶—資源評(píng)分矩陣)定義為U*I矩陣R(U*I)=(Ri,j),其中U表示用戶集合,I表示資源集合,Ri,j為用戶u對(duì)資源i的評(píng)分.計(jì)算用戶標(biāo)簽權(quán)重前,先將每個(gè)用戶的評(píng)分歸一化即用戶u在資源i上標(biāo)簽t的評(píng)分權(quán)重表示為:

    定義2.(信息熵)由于同一個(gè)標(biāo)簽可能會(huì)被標(biāo)注在不同的資源中,因此用戶對(duì)于同一個(gè)標(biāo)簽可能打分多次.因此給標(biāo)簽定義信息熵如下:

    其中,Tu為用戶u使用的標(biāo)簽集合,wru,i(t)表示用戶u在標(biāo)注標(biāo)簽t上的資源打分,fu(t)表示用戶使用標(biāo)簽t標(biāo)注資源的頻數(shù).

    2 算法流程

    由于標(biāo)簽和評(píng)分?jǐn)?shù)據(jù)都是用戶根據(jù)自己的理解喜好標(biāo)注的,所以可以很好的表達(dá)用戶的興趣.考慮社會(huì)化標(biāo)簽系統(tǒng)中存在一定的噪聲標(biāo)簽,因此通過(guò)計(jì)算標(biāo)簽的評(píng)分信息熵來(lái)修正標(biāo)簽的不確定表達(dá)從而增強(qiáng)準(zhǔn)確性.本文采用用戶的標(biāo)簽數(shù)據(jù)表示用戶興趣模型的興趣項(xiàng),并通分析用戶對(duì)于同一個(gè)標(biāo)簽的打分不確定程度確定標(biāo)簽的信息熵并結(jié)合評(píng)分從而計(jì)算標(biāo)簽興趣項(xiàng)的興趣權(quán)重,考慮將用戶對(duì)于標(biāo)注在同個(gè)資源的標(biāo)簽的打分穩(wěn)定性區(qū)別對(duì)待,從而能更加精確的表示用戶的興趣.最后將其興趣模型應(yīng)用到協(xié)同過(guò)濾算法當(dāng)中.

    基于協(xié)同過(guò)濾的推薦算法需要得到與目標(biāo)用戶興趣相似的用戶集合,從而挖掘出這個(gè)集合中用戶喜歡的且沒有標(biāo)注過(guò)的資源.為了找到k近鄰相似用戶,我們定義用戶的相似度如下:

    對(duì)于給定的用戶u∈U,與其相似度較大的k近鄰用戶定義如下:

    對(duì)于給定用戶的k近鄰用戶,得出用戶u對(duì)于未標(biāo)注的資源i的預(yù)測(cè)興趣度定義如下:

    則基于標(biāo)簽的評(píng)分信息熵推薦算法表述如下:

    第 1步.結(jié)合用戶-評(píng)分-資源記錄,根據(jù)公式(1)計(jì)算用戶對(duì)于標(biāo)簽的評(píng)分權(quán)重并進(jìn)行歸一化處理.

    第2步.結(jié)合用戶在標(biāo)簽上的不同打分?jǐn)?shù)據(jù)并計(jì)算其對(duì)應(yīng)的概率,根據(jù)公式(2)計(jì)算不同標(biāo)簽的信息熵值.

    第3步.結(jié)合標(biāo)簽的信息熵值,根據(jù)公式(3)結(jié)合用戶的評(píng)分?jǐn)?shù)據(jù)修正用戶對(duì)于其標(biāo)簽的興趣度權(quán)重.

    第4步.構(gòu)建用戶基于標(biāo)簽以及評(píng)分信息熵權(quán)重的興趣模型{(T1,W1),(T2,W2),…,(Tn,Wn)},其中 T1表示用戶的標(biāo)簽興趣項(xiàng),W1表示用戶對(duì)應(yīng)的評(píng)分信息熵權(quán)重.根據(jù)公式(4)計(jì)算用戶相似度,并構(gòu)造用戶的相似度矩陣SN*N.

    第5步.基于用戶對(duì)資源的歷史記錄,根據(jù)用戶的相似度矩陣SN*N查詢用戶與其他用戶的相似度,并用公式(5)得到用戶的k近鄰用戶,依據(jù)公式(6)依次計(jì)算用戶與這些資源的預(yù)測(cè)興趣度.

    第6步.按預(yù)測(cè)興趣度從大到小排序,取前N個(gè)資源組成 Top-N 推薦集合并輸出.其中算法的偽代碼如下.

    表1 基于標(biāo)簽的評(píng)分信息熵推薦算法

    3 實(shí)驗(yàn)

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    本部分采用MovieLens和Delicious兩組數(shù)據(jù)集來(lái)測(cè)試算法的效率,具體數(shù)據(jù)集合見表2,數(shù)據(jù)集中的評(píng)分?jǐn)?shù)據(jù)大小在 0.5-5 之間,間隔 0.5,共 10 個(gè)分值.為了驗(yàn)證本文算法的有效性,將本文算法SE-CF與兩個(gè)較新的算法tensor-u[11]采用張量分解模型并考慮用戶標(biāo)簽的語(yǔ)義信息進(jìn)行推薦與colla-tv[12]結(jié)合TF-IDF算法以及用戶的評(píng)分矩陣進(jìn)行推薦和一個(gè)經(jīng)典的基于標(biāo)簽的推薦算法T-CF[13]進(jìn)行對(duì)比驗(yàn)證.

    表2 數(shù)據(jù)集結(jié)構(gòu)

    3.2 度量標(biāo)準(zhǔn)

    推薦算法實(shí)驗(yàn)中的重要組成部分之一就是推薦質(zhì)量的評(píng)價(jià)指標(biāo)計(jì)算,不同推薦算法的評(píng)價(jià)方法也會(huì)有所差別.在本文中,實(shí)驗(yàn)采取的評(píng)價(jià)指標(biāo)如下:

    (1)準(zhǔn)確率(Precision)表示在用戶產(chǎn)生的推薦列表中,有多大比例的資源是用戶真正喜歡的,設(shè)R(u)指用戶在訓(xùn)練集上依據(jù)用戶的行為作出的推薦列表,T(u)表示用戶在測(cè)試集中的行為列表.則推薦結(jié)果的準(zhǔn)確率定義如下:

    (2)召回率(Recall)表示用戶真正喜歡的商品中,有多大比例的商品進(jìn)入了推薦列表,其計(jì)算公式如下:

    (3)F-measure,因?yàn)闇?zhǔn)確率和召回率在一定程度上是相互矛盾的,如果推薦的準(zhǔn)確率高可能意味著它的召回率會(huì)比較低,因此現(xiàn)在實(shí)驗(yàn)中多使用一個(gè)平衡以上兩種指標(biāo)的綜合評(píng)價(jià)方法即F-measure,其計(jì)算公式如下:

    3.3 實(shí)驗(yàn)結(jié)果分析

    (1)確定鄰居數(shù)k的影響

    本部分測(cè)試鄰居數(shù)k的值對(duì)協(xié)同過(guò)濾推薦結(jié)果的影響,其中設(shè)置k的值的變化從10到100,值變化間隔為10,將本文算法SE-CF與算法T-CF在度量標(biāo)準(zhǔn)Recall上進(jìn)行對(duì)比驗(yàn)證.在協(xié)同過(guò)濾算法中,鄰居用戶的數(shù)量k一定程度上影響著推薦精度,k如果太小將無(wú)法獲取足夠的候選資源集合,k如果太大也將增加計(jì)算成本以及時(shí)間消耗.設(shè)置不同的k值,實(shí)驗(yàn)結(jié)果的召回率也會(huì)隨之改變,其結(jié)果如圖1所示.

    圖1 不同鄰居數(shù) k 值對(duì) Recall變化情況

    從圖1可以看出,當(dāng)鄰居數(shù)k的值約為35時(shí),本算法SE-CF和T-CF算法的召回率基本相同,當(dāng)k>35時(shí),本算法SE-CF的召回率才高于T-CF算法.實(shí)驗(yàn)過(guò)程分析可得,經(jīng)典T-CF算法是基于用戶共同標(biāo)注的資源數(shù)目來(lái)確定用戶之間的相似度,而SE-CF算法是通過(guò)計(jì)算用戶標(biāo)簽的評(píng)分信息熵構(gòu)建用戶的標(biāo)簽興趣模型再計(jì)算兩用戶之間的相似程度,相似度的值與用戶共同標(biāo)注的資源數(shù)目沒有直接關(guān)聯(lián),因此可能存在兩個(gè)用戶相似度較大但共同標(biāo)注的資源很少的現(xiàn)象.如圖1所示,隨著鄰居用戶數(shù)目k的增大,SE-CF算法的召回率的上升速率要明顯高于經(jīng)典T-CF算法.另外,從圖中可以看出兩個(gè)算法的召回率在k=70左右趨于穩(wěn)定,k>70時(shí),二者的召回率上升速度都很緩慢,因此在后面的協(xié)同過(guò)濾算法比較中設(shè)置鄰居數(shù)k=70.

    (2)實(shí)驗(yàn)對(duì)比驗(yàn)證

    為了更好的驗(yàn)證實(shí)驗(yàn),本文采用五折交叉驗(yàn)證,每次隨機(jī)選取80%的實(shí)驗(yàn)數(shù)據(jù)集作為訓(xùn)練集,剩余20%數(shù)據(jù)為測(cè)試集,對(duì)五次結(jié)果取平均作為最終結(jié)果,同時(shí)考慮在Precision、Recall、F-measure三個(gè)度量標(biāo)準(zhǔn)進(jìn)行比實(shí)驗(yàn)驗(yàn)證.在本文算法中訓(xùn)練集用于計(jì)算用戶標(biāo)簽的評(píng)分信息熵以確定用戶標(biāo)簽的興趣權(quán)重,并構(gòu)建用戶興趣模型應(yīng)用到協(xié)同過(guò)濾推薦算法當(dāng)中,然后測(cè)試集中利用訓(xùn)練集得到的推薦結(jié)果進(jìn)行比較計(jì)算.根據(jù)前面的實(shí)驗(yàn)所知,設(shè)k=70,隨著推薦列表的數(shù)量N值的變化,三個(gè)度量標(biāo)準(zhǔn)的值也會(huì)不同,并將N設(shè)置從5到25變化,值變化間隔為5,實(shí)驗(yàn)數(shù)據(jù)結(jié)果如表3、表4所示.

    對(duì)比圖示結(jié)果如圖2、圖3所示.

    通過(guò)上圖的對(duì)比可以看出無(wú)論推薦列表數(shù)量N取任何值,基于標(biāo)簽的評(píng)分信息算法在準(zhǔn)確率、召回率、F-measure三個(gè)度量標(biāo)準(zhǔn)都明顯好于其他基于標(biāo)簽的推薦算法,同時(shí)也可以看出基于標(biāo)簽的評(píng)分信息熵推薦算法在N=10時(shí)推薦效果最好且比其他幾個(gè)推薦算法準(zhǔn)確度平均提高了6.7%左右.筆者分析認(rèn)為,本文算法之所以能優(yōu)于其他三個(gè)算法在于:一是考慮將豐富信息量的標(biāo)簽信息構(gòu)成用戶的興趣模型能較好的表達(dá)用戶的興趣; 二是考慮有一定的噪聲標(biāo)簽的存在因此提出通過(guò)計(jì)算標(biāo)簽的打分不確定程度來(lái)計(jì)算標(biāo)簽的興趣權(quán)重從而將標(biāo)簽對(duì)用戶的重要性區(qū)別對(duì)待,對(duì)于打分不穩(wěn)定不能精準(zhǔn)表現(xiàn)用戶興趣的標(biāo)簽可以通過(guò)計(jì)算其信息熵來(lái)修正降低其重要性.

    表3 MovieLens實(shí)驗(yàn)數(shù)據(jù)對(duì)比

    表4 Delicious實(shí)驗(yàn)數(shù)據(jù)對(duì)比

    圖2 Movielens數(shù)據(jù)集結(jié)果對(duì)比

    圖3 Delicious 數(shù)據(jù)集結(jié)果對(duì)比

    4 結(jié)語(yǔ)

    本章基于標(biāo)簽構(gòu)建用戶的興趣模型,并提出了一種用戶標(biāo)簽評(píng)分信息熵的興趣度計(jì)算方法,對(duì)于用戶重要性高的標(biāo)簽予以較高的權(quán)重.通過(guò)在MovieLens數(shù)據(jù)集和Delicious數(shù)據(jù)集上將本文算法與其他三個(gè)算法進(jìn)行實(shí)驗(yàn)對(duì)比,驗(yàn)證了本文算法要明顯好于其他三個(gè)基于標(biāo)簽的推薦算法.由于用戶的評(píng)分信息局限于幾個(gè)離散的數(shù)值,因此基于社會(huì)化標(biāo)簽的信息熵計(jì)算還不夠準(zhǔn)確.目前,將信息熵應(yīng)用于標(biāo)簽的推薦算法研究還比較新穎,因?yàn)樾畔㈧乇旧碛泻茇S富的解釋信息以及物理背景,因此其應(yīng)用前景還是十分可觀的.

    1Verma C,Hart M,Bhatkar S,et al.Improving scalability of personalized recommendation systems for enterprise knowledge workers.IEEE Access,2016,4:204–215.[doi:10.1109/ACCESS.2015.2513000]

    2Marinho LB,Schmidt-Thieme L.Collaborative tag recommendations.In:Preisach C,Burkhardt H,Schmidt-Thieme L,et al.eds.Data Analysis,Machine Learning and Applications.Berlin,Heidelberg,Germany.2008.553–540.

    3Symeonidis P.ClustHOSVD:Item recommendation by combining semantically enhanced tag clustering with tensor hosvd.IEEE Trans.on Systems,Man,and Cybernetics:Systems,2016,46(9):1240–1251.[doi:10.1109/TSMC.2015.248 2458]

    4Jiang ZG,Zhou A,Wang SG,et al.Personalized service recommendation for collaborative tagging systems with social relations and temporal influences.Proc.of the 2016 IEEE International Conference on Services Computing(SCC).San Francisco,CA,USA.2016.786–789.

    5Cao J,Wu ZA,Wang YQ,et al.Hybrid collaborative filtering algorithm for bidirectional web service recommendation.Knowledge and Information Systems,2013,36(3):607–627.[doi:10.1007/s10115-012-0562-1]

    6Buck C,Koehn P.Quick and reliable document alignment via TF/IDF-weighted cosine distance.Proc.of the 1st Conference on Machine Translation,Volume 2:Shared Task Papers.Berlin,Germany.2016.672–678.

    7Chen KW,Zhang ZP,Long J,et al.Turning from TF-IDF to TF-IGM for term weighting in text classification.Expert Systems with Applications:An International Journal,2016,66:245–260.[doi:10.1016/j.eswa.2016.09.009]

    8Ahmed S,Tepe K.Entropy-based recommendation trust model for machine to machine communications.Proc.of the 8th International Conference Ad Hoc Networks.Ottawa,Canada.2016.297–305.

    9Mehta H,Dixit VS,Bedi P.Weighted difference entropy based similarity measure at two levels in a recommendation framework.Proc.of the 2013 International Conference on Advances in Computing,Communications and Informatics(ICACCI).Mysore,India.2013.2076–2083.

    10Parra-Arnau J,Rebollo-Monedero D,Forné J.Optimal forgery and suppression of ratings for privacy enhancement in recommendation systems.Entropy,2014,16(3):1586–1631.[doi:10.3390/e16031586]

    11Zhang SW,Ge YY.Personalized tag recommendation based on transfer matrix and collaborative filtering.Journal of Computer and Communications,2015,3(9):9–17.[doi:10.4236/jcc.2015.39002]

    12Peng J,Zeng DD,Zhao HM,et al.Collaborative filtering in social tagging systems based on joint item-tag recommendations.Proc.of the 19th ACM International Conference on Information and Knowledge Management.Toronto,ON,Canada.2010.809–818.

    13Tso-Sutter KHL,Marinho LB,Schmidt-Thieme L.Tagaware recommender systems by fusion of collaborative filtering algorithms.Proc.of the 2008 ACM Symposium on Applied Computing.New York,USA.2008.1995–1999.

    Label-Based Score Information Entropy Recommendation Algorithm

    YE Ting
    (College of Information and Engineering,Nanjing University of Finance and Economics,Nanjing 210046,China)

    As the label is marked by the user according to their own understanding and preferences,the expression of the concept is fuzzy and there are a large number of noise tags,resulting in the low efficiency of the traditional label-based recommendation algorithm recommended.casein view of this problem,a tag recommendation algorithm combining the score information entropy is proposed.The algorithm determines the importance of the tag for the user in order to build the user’s interest model for the rating of the label.The algorithm can effectively use the score weight and combine the information entropy to enhance the recommendation accuracy,and compared with the previous label-based recommendation algorithm,it can get a satisfactory recommendation effect.

    tag; score information entropy; interest model; collaborative filtering; recommendation system

    葉婷.基于標(biāo)簽的評(píng)分信息熵推薦算法.計(jì)算機(jī)系統(tǒng)應(yīng)用,2017,26(10):190–195.http://www.c-s-a.org.cn/1003-3254/6003.html

    科技部科技支撐項(xiàng)目(BAH29F01); 江蘇省重點(diǎn)研發(fā)計(jì)劃(BE2016178)

    2017-01-17; 采用時(shí)間:2017-02-20

    猜你喜歡
    信息熵標(biāo)簽權(quán)重
    基于信息熵可信度的測(cè)試點(diǎn)選擇方法研究
    權(quán)重常思“浮名輕”
    無(wú)懼標(biāo)簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    為黨督政勤履職 代民行權(quán)重?fù)?dān)當(dāng)
    不害怕撕掉標(biāo)簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    基于信息熵的實(shí)驗(yàn)教學(xué)量化研究
    基于公約式權(quán)重的截短線性分組碼盲識(shí)別方法
    一種基于信息熵的雷達(dá)動(dòng)態(tài)自適應(yīng)選擇跟蹤方法
    標(biāo)簽化傷害了誰(shuí)
    基于信息熵的IITFN多屬性決策方法
    久久久久久国产a免费观看| 超碰97精品在线观看| 狂野欧美激情性xxxx在线观看| 亚洲国产av新网站| 国产女主播在线喷水免费视频网站| 欧美+日韩+精品| 久久久欧美国产精品| 男女无遮挡免费网站观看| 国产毛片在线视频| 亚洲,欧美,日韩| 精品久久久久久久人妻蜜臀av| 亚洲天堂国产精品一区在线| 99久久精品国产国产毛片| 日日摸夜夜添夜夜爱| 啦啦啦在线观看免费高清www| 日韩不卡一区二区三区视频在线| 国产精品av视频在线免费观看| 免费电影在线观看免费观看| 久久精品国产自在天天线| 99久久中文字幕三级久久日本| 欧美精品国产亚洲| 国产高清国产精品国产三级 | 欧美+日韩+精品| 成人欧美大片| 国产日韩欧美在线精品| 久久精品国产亚洲av天美| av线在线观看网站| 国产精品麻豆人妻色哟哟久久| av在线老鸭窝| 国产一区有黄有色的免费视频| 亚洲不卡免费看| 久久久久久久国产电影| 色视频www国产| 人妻系列 视频| 三级国产精品片| 日韩 亚洲 欧美在线| 亚洲国产色片| 久久久久精品性色| 熟女人妻精品中文字幕| 黄色视频在线播放观看不卡| 午夜激情福利司机影院| 女的被弄到高潮叫床怎么办| 日韩电影二区| 日韩国内少妇激情av| 色网站视频免费| 国产免费一级a男人的天堂| 亚洲av日韩在线播放| 免费观看a级毛片全部| 搡女人真爽免费视频火全软件| 亚洲精品色激情综合| 亚洲精品国产色婷婷电影| 天天躁日日操中文字幕| 成年人午夜在线观看视频| 免费黄色在线免费观看| 干丝袜人妻中文字幕| 久久精品国产a三级三级三级| 日韩视频在线欧美| 夜夜爽夜夜爽视频| 中文字幕久久专区| 欧美 日韩 精品 国产| 麻豆乱淫一区二区| 少妇熟女欧美另类| 亚洲欧美中文字幕日韩二区| 亚洲综合精品二区| 王馨瑶露胸无遮挡在线观看| 色播亚洲综合网| 免费观看无遮挡的男女| 大片免费播放器 马上看| 性插视频无遮挡在线免费观看| 69av精品久久久久久| 国产免费一区二区三区四区乱码| 精品一区二区三区视频在线| 国产亚洲av片在线观看秒播厂| 网址你懂的国产日韩在线| 日本色播在线视频| 亚洲av电影在线观看一区二区三区 | 国产乱人偷精品视频| 99久久九九国产精品国产免费| 亚洲熟女精品中文字幕| 亚洲av免费在线观看| 亚洲精品国产色婷婷电影| 日韩强制内射视频| 欧美高清成人免费视频www| 久久99热6这里只有精品| 欧美xxxx黑人xx丫x性爽| 六月丁香七月| 亚洲aⅴ乱码一区二区在线播放| 久久6这里有精品| 丝袜美腿在线中文| av卡一久久| 亚洲国产最新在线播放| 午夜老司机福利剧场| 亚洲国产精品成人综合色| 亚洲精品久久午夜乱码| 亚洲精品影视一区二区三区av| 美女cb高潮喷水在线观看| 亚洲成人久久爱视频| 亚洲图色成人| 国产探花在线观看一区二区| 欧美高清性xxxxhd video| 特大巨黑吊av在线直播| 国产片特级美女逼逼视频| 99久国产av精品国产电影| 高清欧美精品videossex| 毛片女人毛片| 在现免费观看毛片| 97热精品久久久久久| 久久久久网色| 亚洲欧美清纯卡通| 热99国产精品久久久久久7| 在线 av 中文字幕| 人妻少妇偷人精品九色| 性色av一级| 特大巨黑吊av在线直播| 亚洲丝袜综合中文字幕| 天天一区二区日本电影三级| 国产黄片美女视频| 亚洲国产av新网站| 搡老乐熟女国产| 国产欧美另类精品又又久久亚洲欧美| 国产精品精品国产色婷婷| 禁无遮挡网站| 麻豆乱淫一区二区| 中文在线观看免费www的网站| 不卡视频在线观看欧美| 亚洲精品久久久久久婷婷小说| 黄片wwwwww| 菩萨蛮人人尽说江南好唐韦庄| 久久久久久久久大av| 伦理电影大哥的女人| 国产精品久久久久久av不卡| 嫩草影院精品99| 天天躁日日操中文字幕| 精品一区二区三区视频在线| 亚洲精品456在线播放app| 蜜桃亚洲精品一区二区三区| 亚洲精品国产av蜜桃| av线在线观看网站| 联通29元200g的流量卡| 午夜视频国产福利| 国产伦理片在线播放av一区| 搞女人的毛片| 欧美最新免费一区二区三区| 亚洲欧美一区二区三区黑人 | 亚洲欧美日韩无卡精品| 亚洲av一区综合| 精品人妻熟女av久视频| 尤物成人国产欧美一区二区三区| 精品久久久噜噜| 夫妻性生交免费视频一级片| 久久国产乱子免费精品| 国产国拍精品亚洲av在线观看| 亚洲国产欧美在线一区| 亚洲av一区综合| 综合色丁香网| 亚洲综合精品二区| 亚洲欧美日韩另类电影网站 | 王馨瑶露胸无遮挡在线观看| 亚洲欧美中文字幕日韩二区| 欧美成人精品欧美一级黄| 日本三级黄在线观看| 久久久久久久亚洲中文字幕| 在线播放无遮挡| 99精国产麻豆久久婷婷| 深夜a级毛片| 18禁裸乳无遮挡动漫免费视频 | av福利片在线观看| 精品人妻视频免费看| 日本午夜av视频| 大片电影免费在线观看免费| 国产黄片视频在线免费观看| 国语对白做爰xxxⅹ性视频网站| 青春草国产在线视频| 国产精品一二三区在线看| 涩涩av久久男人的天堂| 熟女av电影| 欧美xxⅹ黑人| av一本久久久久| 嘟嘟电影网在线观看| 欧美日韩综合久久久久久| 大片电影免费在线观看免费| 国产乱来视频区| 日韩,欧美,国产一区二区三区| 久久久久久伊人网av| 午夜免费鲁丝| 晚上一个人看的免费电影| 欧美激情久久久久久爽电影| 丰满人妻一区二区三区视频av| 丝袜脚勾引网站| 久热这里只有精品99| 国产精品成人在线| 久久综合国产亚洲精品| 在现免费观看毛片| av在线app专区| 内射极品少妇av片p| 亚洲国产高清在线一区二区三| 欧美精品一区二区大全| 久久热精品热| 在线看a的网站| 日韩制服骚丝袜av| 狂野欧美激情性xxxx在线观看| 国产黄片视频在线免费观看| 在线免费十八禁| 久久精品国产亚洲网站| 蜜桃久久精品国产亚洲av| 波多野结衣巨乳人妻| 只有这里有精品99| 美女内射精品一级片tv| 精品视频人人做人人爽| 亚洲熟女精品中文字幕| 禁无遮挡网站| 国产伦理片在线播放av一区| www.色视频.com| 在线免费十八禁| 久久精品国产亚洲av涩爱| 亚洲综合色惰| 少妇人妻精品综合一区二区| 岛国毛片在线播放| 欧美精品国产亚洲| 免费看日本二区| 全区人妻精品视频| 国产高清国产精品国产三级 | 亚洲最大成人中文| 亚洲自偷自拍三级| 国产精品久久久久久精品古装| 成人亚洲欧美一区二区av| 国产成人福利小说| 又爽又黄无遮挡网站| 亚洲成人av在线免费| 国产男女内射视频| 香蕉精品网在线| 三级国产精品欧美在线观看| 综合色丁香网| tube8黄色片| 中文欧美无线码| 午夜老司机福利剧场| 亚洲精华国产精华液的使用体验| www.色视频.com| 久久人人爽人人片av| 亚洲经典国产精华液单| 国产亚洲午夜精品一区二区久久 | 国产欧美另类精品又又久久亚洲欧美| 国产精品一二三区在线看| 插逼视频在线观看| 搡老乐熟女国产| av在线app专区| 亚洲精品,欧美精品| 成人无遮挡网站| 赤兔流量卡办理| 99久久精品热视频| 免费黄色在线免费观看| 在线a可以看的网站| 国国产精品蜜臀av免费| 日本三级黄在线观看| 亚洲精品视频女| 性插视频无遮挡在线免费观看| 精品久久久久久久人妻蜜臀av| 亚洲美女视频黄频| 亚洲精品第二区| 九九在线视频观看精品| 欧美性感艳星| 成人美女网站在线观看视频| 亚洲成人精品中文字幕电影| 99久久精品国产国产毛片| 免费看光身美女| 啦啦啦在线观看免费高清www| 女的被弄到高潮叫床怎么办| 国内少妇人妻偷人精品xxx网站| 亚洲aⅴ乱码一区二区在线播放| 午夜视频国产福利| 久久久久久久久大av| 国产69精品久久久久777片| 国产成人精品久久久久久| 少妇裸体淫交视频免费看高清| 国产精品麻豆人妻色哟哟久久| 精华霜和精华液先用哪个| 中文乱码字字幕精品一区二区三区| 国产毛片a区久久久久| 欧美日韩精品成人综合77777| 亚洲国产精品成人综合色| 午夜免费男女啪啪视频观看| 又大又黄又爽视频免费| 国产黄色视频一区二区在线观看| 黄色欧美视频在线观看| 中文字幕av成人在线电影| 女人十人毛片免费观看3o分钟| 亚洲精品中文字幕在线视频 | 高清毛片免费看| 蜜臀久久99精品久久宅男| 大香蕉97超碰在线| 亚洲欧美日韩东京热| 亚洲国产欧美人成| 涩涩av久久男人的天堂| 成人黄色视频免费在线看| 好男人在线观看高清免费视频| www.av在线官网国产| 国产亚洲午夜精品一区二区久久 | 麻豆国产97在线/欧美| 直男gayav资源| 91aial.com中文字幕在线观看| 在现免费观看毛片| 黄色日韩在线| 嫩草影院精品99| 欧美一级a爱片免费观看看| 少妇丰满av| 日韩一区二区三区影片| 欧美日韩一区二区视频在线观看视频在线 | 国产片特级美女逼逼视频| h日本视频在线播放| 搡老乐熟女国产| 日韩视频在线欧美| 日韩制服骚丝袜av| 国产精品久久久久久久久免| av网站免费在线观看视频| 好男人视频免费观看在线| av在线亚洲专区| 啦啦啦在线观看免费高清www| 亚洲精品456在线播放app| 久久鲁丝午夜福利片| 久久久久精品久久久久真实原创| 超碰av人人做人人爽久久| 免费看日本二区| h日本视频在线播放| 国产精品秋霞免费鲁丝片| 美女内射精品一级片tv| 中文字幕免费在线视频6| www.av在线官网国产| 亚洲精品成人久久久久久| 舔av片在线| 精品久久久久久久久av| 大片免费播放器 马上看| 亚洲图色成人| 天堂中文最新版在线下载 | 嫩草影院入口| 亚洲国产精品999| 国产成人精品婷婷| 最近最新中文字幕大全电影3| 少妇丰满av| 干丝袜人妻中文字幕| 91午夜精品亚洲一区二区三区| 亚洲综合精品二区| 人人妻人人澡人人爽人人夜夜| 嫩草影院新地址| 国产精品国产av在线观看| 一级片'在线观看视频| 国产大屁股一区二区在线视频| 精品久久久久久久久亚洲| 韩国av在线不卡| 欧美激情久久久久久爽电影| 亚洲一级一片aⅴ在线观看| 在线免费十八禁| 欧美+日韩+精品| 日韩不卡一区二区三区视频在线| 一本一本综合久久| 尾随美女入室| 日本wwww免费看| 亚洲av免费高清在线观看| 国产精品不卡视频一区二区| 久久精品国产自在天天线| 2021少妇久久久久久久久久久| 国产又色又爽无遮挡免| 又大又黄又爽视频免费| 亚洲精品日本国产第一区| 尾随美女入室| 免费av毛片视频| 国产精品99久久99久久久不卡 | 欧美极品一区二区三区四区| 99精国产麻豆久久婷婷| 国产精品三级大全| 超碰97精品在线观看| 精品一区二区免费观看| 亚洲欧美清纯卡通| 日韩欧美一区视频在线观看 | 免费大片18禁| av线在线观看网站| 日韩不卡一区二区三区视频在线| 女的被弄到高潮叫床怎么办| 成人黄色视频免费在线看| 天堂俺去俺来也www色官网| 亚洲一区二区三区欧美精品 | 日产精品乱码卡一卡2卡三| 亚洲成人久久爱视频| 日韩欧美 国产精品| 日本一二三区视频观看| 免费av不卡在线播放| 午夜免费鲁丝| 在线精品无人区一区二区三 | 99热6这里只有精品| 在线观看av片永久免费下载| 国产精品嫩草影院av在线观看| 免费观看av网站的网址| 久久久久九九精品影院| 熟女电影av网| 国产在视频线精品| 国产熟女欧美一区二区| 插阴视频在线观看视频| 国产av码专区亚洲av| 嫩草影院入口| 赤兔流量卡办理| 欧美少妇被猛烈插入视频| av专区在线播放| 午夜激情久久久久久久| 联通29元200g的流量卡| 国产男人的电影天堂91| 又黄又爽又刺激的免费视频.| 99久久中文字幕三级久久日本| av在线app专区| 亚洲av.av天堂| 中文在线观看免费www的网站| 久久久久久伊人网av| 97在线人人人人妻| 七月丁香在线播放| 男女那种视频在线观看| 亚洲av福利一区| 国产探花在线观看一区二区| 日本猛色少妇xxxxx猛交久久| 夜夜爽夜夜爽视频| 日韩av免费高清视频| 成人欧美大片| 久久精品综合一区二区三区| 久久久欧美国产精品| 搡老乐熟女国产| 中文资源天堂在线| 青青草视频在线视频观看| 尾随美女入室| 黄色怎么调成土黄色| 亚洲最大成人中文| 国产免费视频播放在线视频| 黄色日韩在线| 一本久久精品| 亚洲欧美一区二区三区黑人 | 亚洲精品aⅴ在线观看| 亚洲欧美中文字幕日韩二区| 日韩av不卡免费在线播放| 亚洲欧美一区二区三区国产| 神马国产精品三级电影在线观看| a级毛色黄片| 日韩欧美精品v在线| 晚上一个人看的免费电影| 少妇丰满av| 直男gayav资源| 99久久中文字幕三级久久日本| 又黄又爽又刺激的免费视频.| 精品午夜福利在线看| 一级毛片aaaaaa免费看小| 久久久精品94久久精品| 国产精品国产av在线观看| 精品久久久久久久久av| 80岁老熟妇乱子伦牲交| 欧美性感艳星| 精品少妇黑人巨大在线播放| 观看美女的网站| 精品少妇黑人巨大在线播放| 久久精品久久精品一区二区三区| h日本视频在线播放| 一区二区三区免费毛片| 亚洲欧美精品自产自拍| 国产精品一区www在线观看| 伦理电影大哥的女人| 亚洲aⅴ乱码一区二区在线播放| .国产精品久久| 成人无遮挡网站| 亚洲欧美精品自产自拍| 国产黄色视频一区二区在线观看| 日本与韩国留学比较| 一级av片app| 日韩不卡一区二区三区视频在线| 麻豆精品久久久久久蜜桃| 日韩,欧美,国产一区二区三区| 激情五月婷婷亚洲| 亚洲在线观看片| 日韩制服骚丝袜av| 99热这里只有精品一区| 久久99蜜桃精品久久| 久久久久网色| 天堂中文最新版在线下载 | 偷拍熟女少妇极品色| av专区在线播放| 亚洲精品乱久久久久久| 涩涩av久久男人的天堂| 国产精品秋霞免费鲁丝片| 香蕉精品网在线| 日本与韩国留学比较| 少妇人妻精品综合一区二区| 国产爱豆传媒在线观看| 人妻少妇偷人精品九色| 日韩欧美 国产精品| 大香蕉97超碰在线| 免费观看在线日韩| 亚洲国产色片| 汤姆久久久久久久影院中文字幕| 欧美 日韩 精品 国产| 我的女老师完整版在线观看| 亚洲av中文字字幕乱码综合| 亚洲av一区综合| 看十八女毛片水多多多| 99久国产av精品国产电影| 边亲边吃奶的免费视频| 精品一区二区三区视频在线| 日韩,欧美,国产一区二区三区| 欧美三级亚洲精品| 黄色怎么调成土黄色| 亚洲在久久综合| 啦啦啦在线观看免费高清www| 亚洲av成人精品一区久久| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 成年人午夜在线观看视频| 国产有黄有色有爽视频| 欧美少妇被猛烈插入视频| 久久久久久久亚洲中文字幕| 精品国产三级普通话版| 日本黄色片子视频| 亚洲真实伦在线观看| 日韩 亚洲 欧美在线| 男的添女的下面高潮视频| 免费观看的影片在线观看| 九九在线视频观看精品| 国模一区二区三区四区视频| 白带黄色成豆腐渣| 欧美性猛交╳xxx乱大交人| 少妇的逼水好多| 男女边吃奶边做爰视频| 日韩视频在线欧美| 啦啦啦在线观看免费高清www| 国产精品麻豆人妻色哟哟久久| 亚洲精品乱久久久久久| tube8黄色片| 亚洲av男天堂| 天堂俺去俺来也www色官网| 国产亚洲5aaaaa淫片| 天堂俺去俺来也www色官网| 国产极品天堂在线| 国产成人aa在线观看| 日本与韩国留学比较| 尤物成人国产欧美一区二区三区| 精品一区在线观看国产| 免费av不卡在线播放| 亚洲欧美一区二区三区国产| 精品国产三级普通话版| 午夜免费观看性视频| 69人妻影院| 国产精品一区二区性色av| 国产精品伦人一区二区| 国产欧美另类精品又又久久亚洲欧美| 高清视频免费观看一区二区| 欧美日韩国产mv在线观看视频 | 久久久久久国产a免费观看| 大香蕉久久网| 国产淫片久久久久久久久| 五月伊人婷婷丁香| 黄色欧美视频在线观看| av在线播放精品| 午夜福利网站1000一区二区三区| 亚洲av不卡在线观看| 大码成人一级视频| 99re6热这里在线精品视频| 大香蕉97超碰在线| 亚洲天堂av无毛| 亚洲人成网站高清观看| 精品少妇久久久久久888优播| 永久网站在线| 亚洲成人一二三区av| 国产一区亚洲一区在线观看| 免费看光身美女| 国产片特级美女逼逼视频| 国产一区二区在线观看日韩| 可以在线观看毛片的网站| 久久韩国三级中文字幕| 亚洲精品亚洲一区二区| 国产日韩欧美亚洲二区| 嫩草影院精品99| 熟女电影av网| 欧美3d第一页| 精品午夜福利在线看| 看免费成人av毛片| 水蜜桃什么品种好| 久久久成人免费电影| 久久亚洲国产成人精品v| 亚洲欧美清纯卡通| 亚洲天堂av无毛| 久久精品熟女亚洲av麻豆精品| 91久久精品国产一区二区成人| 在线看a的网站| 亚洲精品国产av蜜桃| a级毛片免费高清观看在线播放| 成人亚洲欧美一区二区av| 性色av一级| 啦啦啦在线观看免费高清www| www.av在线官网国产| 欧美xxxx性猛交bbbb| 日本wwww免费看| 熟女av电影| 亚洲av免费高清在线观看| 黄片wwwwww| 亚洲人成网站在线观看播放| 18禁在线无遮挡免费观看视频| 国产亚洲5aaaaa淫片| 国产成人a区在线观看| 亚洲欧美日韩卡通动漫| 亚洲精品视频女| 免费黄频网站在线观看国产| 免费观看性生交大片5| 日韩人妻高清精品专区| 中文字幕人妻熟人妻熟丝袜美| 欧美性感艳星| 国产免费一级a男人的天堂| 欧美高清性xxxxhd video| 中国国产av一级| 三级国产精品欧美在线观看| 亚洲美女搞黄在线观看| 青春草亚洲视频在线观看| 亚洲国产高清在线一区二区三| 中文字幕制服av| 噜噜噜噜噜久久久久久91| 永久网站在线|