| 基于社会化标签信息熵的个性化推荐算法 |
| |
| 引用本文： | 王军,张子柯.基于社会化标签信息熵的个性化推荐算法[J].图书情报工作,2013,57(23):31-35. |
| |
| 作者姓名： | 王军 张子柯 |
| |
| 作者单位： | 1. 电子科技大学互联网科学中心;
2. 杭州师范大学阿里巴巴复杂科学研究中心 |
| |
| 基金项目： | 本文系国家自然科学基金项目“基于计算实验的在线社会网络演化规律和信息传播动力学研究”（项目编号：11305043）和“社会化标签系统的结构；功能和应用研究”（项目编号：11105024）研究成果之一。 |
| |
| 摘 要： | 认为社会化标签没有特定的组织结构，标签的质量也会有优有劣。此外，同一个社会化标签对不同的人重要程度不尽相同。首先利用信息熵来刻画社会化标签对用户的重要性，然后将基于社会化标签信息熵算法和经典的协同过滤算法的个性化推荐结果进行对比，最后发现基于社会化标签信息熵算法在准确度上提高了10.9%。
|
| 关 键 词： | 推荐算法 社会化标签 信息熵 |
| 收稿时间： | 2013-10-08 |
A Personalized Recommendation Algorithm Based on Information Entropy of Social Tags |
| |
| Wang Jun,Zhang Zike.A Personalized Recommendation Algorithm Based on Information Entropy of Social Tags[J].Library and Information Service,2013,57(23):31-35. |
| |
| Authors: | Wang Jun Zhang Zike |
| |
| Institution: | 1. Web Sciences Center, University of Electronic Science and Technology of China, Chendu 611731;
2. Alibaba Complex Science Research Center, Hangzhou Normal University, Hangzhou 311121 |
| |
| Abstract: | Social tags are more and more popular. How to fully make use of social tags is also becoming critically important. However, the quality of tags varies because tags have no fixed structure. Besides, the same tag may play different roles for different people. In this paper, a personalized recommendation algorithm based on social tag information entropy is proposed. In addition, we compare the proposed algorithm information entropy with the classic collaborative filtering, and find the accuracy is significantly improved by 10.9%. |
| |
| Keywords: | recommendation algorithm social tags information entropy |
|
| 点击此处可从《图书情报工作》浏览原始摘要信息 |
| 点击此处可从《图书情报工作》下载免费的PDF全文 |
