一种基于动机倾向的标签推荐方法靳延安

合集下载

熟悉SQLServer20001...

申请新增学士学位授权专业简况表学校名称（代码）湖北经济学院法商学院（13251）（公章）学科门类（代码）工商管理类（1102）专业名称（代码）电子商务（110209W）批准时间2003年湖北省学位委员会办公室2012年3月9 日填填表说明一、表内各项目要求提供原始材料备查。

二、“专任教师”是指具有教师资格、专门从事教学工作的人员，分三个部分组成：独立学院自有教师,聘期在两年（含）以上的；母体学校委派,能达到独立学院专任教师年工作量且聘期连续两年（含）以上的；聘期不足两年,达到专任教师年工作量的外聘教师按50%计入；聘期不足一年的不计专任教师。

三、符合岗位资格是指主讲教师具有讲师及以上（含讲师）职称或具有硕士及以上学位，通过岗前培训并取得合格证、高等教育教师资格证书的教师。

四、折合在校生数=普通本、专科生数+预科生数+成人脱产班学生数。

五、生师比=折合在校生数/教师总数（教师总数=专任教师数+聘期不足两年的外聘教师数×0.5）。

六、专任教师中具有研究生学位的比例=(具有研究生学位专任教师数/专任教师数) ×100%。

七、专任教师中具有高级职称的比例=具有副高级以上职务的专任教师数/专任教师数。

八、生均四项经费=四项经费/折合在校生数，四项经费包括本科业务费、教学差旅费、体育维持费、教学仪器设备维修费。

各项经费的具体内容为：本专科生业务费：包括专业建设、课程建设、教材建设等费用，进行实验、实习、毕业设计（论文）所需的各种原材料，低值易耗品及加工、运杂费，生产实习费，答辩费，资料讲义印刷费及学生讲义差价支出等。

教学差旅费：教师进行教学调查、资料搜集、教材编审调研等业务活动的市内交通费、误餐费、外地差旅费。

体育维持费：各种低值体育器械和运动服装的购置费、修理费，体育运动会费用，支付场地租金和参加校际以上运动会的教职工运动员的伙食补助费，以及公共体育教研室的业务性报刊、杂志、资料等零星费用。

一种综合标签和时间因素的个性化推荐方法

Ｐｒｏａｉｅｅｏｅｓｎｌｚｄｒｃｍｍｅｄｔｏｔｏａｅｎｂｔａｎｉａｔｒｎａｉｎｍｅｈｄｂｓｄｏｏｈｔｇａｄｔｍｅｆｃｏｓ
ＴＵＪｎｌｎｉ— ｇ．ＴｅｇｈａｏＵＦｎ —ｕ
第３０卷第４期
２１０３年４月
计算机应用研究
ＡｐｌｃｔｎＲｅｅｒｈｏｏｕｅｓｐｉａｉｓａｃ２３ｒ０１
一
种综合标签和时间因素的个性化推荐方法水
的、户最近新打的标签更能反映用户近期的兴趣这一特性。为此，用在借鉴协同过滤思想的基础上，通过利用标
签使用频率信息和项目的标注时间来构建用户评分伪矩阵；此基础上计算目标用户的最近邻集合；在最后根据邻居用户给出推荐结果。通过在Ｃｔｉｅ据集上进行实验，ｉＵＬｋ数ｅ并与传统的基于标注的推荐方法进行比较，实验结果表明，ＴＲ模型能够更好地反映出用户的偏好，ＴＲ能够显著地提高推荐准确度。
ｐｏｏｅｅｏｒｅｅｏｒｐｓｄａｒｓｕｃｓｒｃｍｍｅｄｔｎｍｏｅｎｅｒｔｄｔｇａｄｉｉｎｏｍａｉｎ（ＴｎａｉｄｌｉｔｇａｅａｎｔｔｉｆｒｔｏｓｍｅｏＴＲＲ）Ｉｈｓｍｏｅ，ｉｃｎｉｅｈ．ｎｔｉｄｌｔｏｓｄｄｔｅ
ｔｍｐｒｌｃｒｔｒｓｉｓｏｈｅｕｅＳｉｔｒｓ．ｔｔｕｅＳｐｅｅｅｃｏｒｄｔｒｒｆｉｖｒｔｍｅ，ａｄｔｅｔｇｈｔＵ — ｅｏａｈａａｃｅｉｔｃｆｔｓｒ’ ｎｅｅｔｈａｓｒ’ ｒｆｒｎｅｆｒｐｏｕｃｓｗｅｅｄｔｎｇｏｅｉｉｎｈａｓｔａＳｅｓｒｃｎｌｓｄｐａｉａｏｂｔｅｅｅｔｔｅｒｃｎｎｅｅｔｏｈｅｕｓｒＳｂｓｄｏｈｈｕｈｆｃｌａｏａｉｅｆｔｒｎｒｅｅｔｙｕｅｌｙａｖｔｌｔｅｔｒｒｆｃｈｅｅｔｉｔｒｓｆｔｅ．ｏ．ａｅｎｔｅｔｏｇｔｏｏｌｂｒｔｖｌｅｉｇｌｉｍｅｈｄ．ｔｓｐａｅｔｌｚｄｔｅｔｅｕｎｙａｄｉｅ ’ ａｎｃｉｎｏｍａｉｎｔｏｓｒｃｓｕｄａｉｇｍａｒｘＴｈｎｉｔｏｈｉｐｒｕｉｅｈａｇｆｑｅｃｎｔｎｓｌｕｈｔｍｅｉｆｒｔｏｏｃｎｔｕｔａｐｅｏｒｔｎｔｉ．ｅｔｉｒｏｔｉｄｔｅｎａｅｔｎｉｈｂｒｓｔｆｔｃｉｓｒｂｓｄｏｈｅｐｓｕｏｒｔｔｘＦｎｌｙ，ａｃｒｎｏｔｅｎａｅｔｎｉｈ— ｂａｎｅｈｅｒｓｅｇｏｅｓｏｈｅａｔｕｅａｅｎｔｅｄａｉｍａｒ．ｉａｌｖｅｎｇｉｃｏｄｉｇｔｈｅｒｓｅｇ

一种基于动机倾向的标签推荐方法

ｒｅｃｏｍｍｅｎｄｔａｇｓｂａｓｅｄｏｎｔｈｅｍｏｄｅ１．Ｅｘｐｅｉｒｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗ，ｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｐｒｏｖｉｄｅｍｏｒｅａｃｃｕｒａｔｅｃａｎｄｉｄａｔｅｔａｇｓｔｈａｎｃｕｒｒｅｎｔｍａｉｎｓｔｒｅａｍｍｅｔｈｏｄｓ．Ｋｅｙｗｏｒｄｓ：ｓｏｃｉａｌｔａｇｓ；ｔａｇｇｉｎｇ；ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｙｓｔｅｍ；ｕｓｅｒｍｏｔｉｖａｔｉｏｎ
ｔｈｅｉｆｖｅｍｅｔｉｒｃｉｎｄｉｃｅｓ，ｉｔｐｒｏｐｏｓｅｄａｎｏｒｉｅｎｔａｔｉｏｎｏｆｍｏｔｉｖａｔｉｏｎｄｉｓｃｒｉｍｉｎａｔｉｏｎｍｄｄｅｓｉｇｎｅｄａｎａｌｇｏｒｉｔｈｍｔｏ
０引言
社会标签是Ｗｅｂ２．０时代的一个伟大创举，它将网络信息资源的分类方式从原来基于少数专家的分类体系转变为广大Ｗｅｂ用户的分类体系。Ｗｅｂ用户可以使用任意的词汇不受控地对网络信息资源进行分类，利用社会标签系统定义自己的分类，同时这种分类还可以被其他用户所分享。但是社会标签系统中标签不受控制地使用，给基于标签的分类系统带来了许多问题。出于对信息和词的不同理解，不同的用户不太可能使用完全一致的方法分类相同或者相似的信息。研究结果表明，基于标签的分类系统通常难以保证分类的

一种基于用户标签网络的个性化推荐方法

一种基于用户标签网络的个性化推荐方法
毛进;易明;操玉杰;沈劲枝
【期刊名称】《情报学报》
【年(卷),期】2012(031)001
【摘要】基于标签进行个性化推荐是目前的一个研究热点,不同的推荐算法对标签进行了不同的处理.用户使用的标签之间存在着某种内在联系,由此可构建用户标签网络.根据这一启示,本文提出了一种基于用户标签网络的个性化推荐算法.首先,将用户标签网络视为用户兴趣模型雏形,利用社会网络分析方法计算标签权重,并以加权标签集的形式表示用户兴趣模型,最后将标签权重转化为资源与用户兴趣的相似度,进而实现个性化推荐.实验表明,本方法能较为准确地揭示用户的兴趣,产生的推荐资源与用户兴趣匹配程度较高.
【总页数】7页(P24-30)
【作者】毛进;易明;操玉杰;沈劲枝
【作者单位】华中师范大学信息管理系,武汉,430079;华中师范大学信息管理系,武汉,430079;华中师范大学信息管理系,武汉,430079;华中师范大学信息管理系,武汉,430079
【正文语种】中文
【相关文献】
1.基于标签聚类与用户模型的个性化推荐方法研究 [J], 刘如娟
2.一种基于用户标签的社交网络好友推荐算法 [J], 汪强;何广达;杨安桔;张臣坤
3.基于社会化标签和历史价格曲线的网络结构个性化推荐方法 [J], 凌霄娥
4.一种综合 LBS 和社会网络标签的个性化推荐方法 [J], 陈平华;何婕;梁琼
5.一种用于网络用户行为聚类的标签自动生成方法 [J], 毕猛;邵中;徐剑
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于动态交互注意力机制的序列推荐方法及其系统[发明专利]

专利名称：一种基于动态交互注意力机制的序列推荐方法及其系统
专利类型：发明专利
发明人：蔡飞,陈洪辉,刘俊先,罗爱民,舒振,陈涛,罗雪山
申请号：CN201910533753.1
申请日：20190619
公开号：CN110245299A
公开日：
20190917
专利内容由知识产权出版社提供
摘要：本发明提出了一种基于动态交互注意力机制的序列推荐方法，包括获取用户的初始短期偏好和初始长期偏好；根据交互式注意力网络结合初始短期偏好和初始长期偏好得到长期偏好和短期偏好；根据序列推荐模型结合长期偏好和短期偏好对相应物品进行打分并根据打分结果为用户推荐物品。

本发明构建的用于顺序推荐(DCN‑SR)的动态交互注意力机制网络模型，通过该模型能够学习用户长期和短期交互的共同依赖表示，并结合长期偏好和短期偏好，使推荐结果更加准确。

申请人：中国人民解放军国防科技大学
地址：410003 湖南省长沙市开福区砚瓦池
国籍：CN
代理机构：北京风雅颂专利代理有限公司
代理人：马骁
更多信息请下载全文后查看。

一种改进的层次聚类算法

一种改进的层次聚类算法靳延安;刘行军【摘要】针对凝聚式的层次聚类算法在聚类过程中层次化的迭代运算使误差不断累积,导致聚类结果较差的问题,在GN快速算法基础上提出了一种改进的凝聚式层次聚类算法,即网状聚类算法.实验结果表明,该改进算法避免了误差的积累,可以获得更高质量的聚类结果.%Inherent defect of hierarchical agglomerative clustering algorithm is an error accumulation caused by agglomerative iteration, which will result in a worse result. An improved algorithm based on hierarchical agglomerative clustering adapted on heap -based fast algorithm of GN was proposed. The experiment shows that the proposed algorithm avoids the accumulation of error and it gets results in a higher quality.【期刊名称】《武汉理工大学学报（信息与管理工程版）》【年(卷),期】2011(033)006【总页数】5页(P883-886,912)【关键词】聚类算法;网状聚类;模块性函数【作者】靳延安;刘行军【作者单位】湖北经济学院信息管理学院,湖北武汉430205;湖北经济学院信息管理学院,湖北武汉430205【正文语种】中文【中图分类】TP391聚类是把各不相同的个体分割为有更多相似性的簇的工作。

由聚类所组成的簇是一组数据对象的集合，这些对象与同一簇中的对象彼此类似，与其他簇中的对象相异［1］，目前，已有大量的聚类算法。

基于社交信任和标签偏好的景点推荐方法

ＣＨＥＮＹｅ－Ｔｉａｎ，ＭＩＣｈｕａｎ—Ｍｉｎ，ＸＩＡＯＬｉｎ
（ＣｏｌｌｅｇｅｏｆＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ２１１１０６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｖｉｅｗｏｆｔｈａｔｔｈｅｅｘｉｓｔｉｎｇａｔｔｒａｃｔｉｏｎｓｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｉｇｎｏｒｅｓｔｈｅｕｓｅｒ’Ｓｉｍｐｌｉｃｉｔｔｒｕｓｔａｎｄｔｒｕｓｔｔｒａｎｓｆｅｒｗｈｅｎｄｅａｌｉｎｇｗｉｔｈｕｓｅｒｓ’ｒｅｌａｔｉｏｎｓｈｉｐｓ，ａｎｄｔｈｅｄｉｆｉｃｕｌｔｉｅｓｏｆｍａｋｉｎｇａｃｃｕｒａｔｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｆｏｒｕｓｅｒｓｉｎ —３２５４，ＣＯＤＥＮＣＳＡＯＢＮＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓ＆Ａｐｐｌｉｃａｔｉｏｎｓ，２０１８，２７（９）：１０—１７［ｄｏｉ：１０．１５８８８￣．ｃｎｋｉ．ｃｓａ．００６５０３］＠中国科学院软件研究所版权所有．
Ｅ—ｍａｉｌ：ＣＳａ＠ｉｓｃａｓ．ａｃ．ｃｎ
ｈｔｔｐ：／／ｗｗｗ．Ｃ－Ｓ—ａ．ｏｒｇ．ｃｎ
Ｔｅ１：＋８６—１０．６２６６１Ｏ４１
基于社交信任和标签偏好的景点推荐方法①
陈烨天，米传民，肖琳
（南京航空航天大学经济与管理学院，南京２ｌｌ１０６１通讯作者：肖琳，Ｅ．ｍａｉｌ：ｘｉａｏｌｉｎ＠ｎｕａａ．ｅｄｕ．ｃｎ
摘要：针对现有的景点推荐算法在处理用户关系时忽视了用户隐性信任和信任传递问题，以及当用户处于新城市时由于缺乏用户历史记录无法做出准确推荐的情况，本文提出一种综合用户信任关系和标签偏好的个性化景点推荐方法．在仅仅考虑用户相似度时推荐质量差的情况下引入信任度，通过挖掘用户隐性信任关系解决了现有研究在直接信任难以获取时无法做出推荐的情况，有效缓解了数据稀疏性和冷启动问题．同时在用户兴趣分析过程中将景点和标签的关系扩展到了用户、景点和标签三者的相互关系，把用户的兴趣偏好分解成对不同景点标签的长期偏好，有效地缓解了缺乏用户历史游览记录时推荐质量不佳的问题．通过在Ｆｌｉｃｋｒ网站上收集的数据进行实验验证，结果表明本文提出的混合推荐算法有效地提高了推荐精度，在一定程度上缓解了冷启动和新城市问题．关键词：个性化推荐；信任度；标签；用户兴趣；景点推荐

一种基于社会信任潜在因子模型的推荐方法

一种基于社会信任潜在因子模型的推荐方法
邢星;张维石;贾志淳
【期刊名称】《计算机科学》
【年(卷),期】2014(041)001
【摘要】随着社交网络的快速发展、社交网络用户规模的不断扩大,如何为用户推荐感兴趣的信息变得越发困难.传统的推荐方法利用用户兴趣的历史数据来预测用户未来感兴趣的项目,忽视了社交网络中的信任关系,导致推荐方法的推荐质量不高.针对上述问题,提出了基于社会信任潜在因子模型的推荐方法.该方法引入社会信任来度量社交网络中朋友之间的隐含信任关系,根据社会信任程度来选择用户信任的朋友,对用户信任的朋友与目标用户的共同兴趣进行潜在因子分析,构建基于社会信任的潜在因子模型,实现目标用户的前k个项目推荐.真实数据集上的对比实验结果表明,基于社会信任潜在因子模型的推荐方法在推荐质量上优于现有的推荐方法.【总页数】6页(P163-167,191)
【作者】邢星;张维石;贾志淳
【作者单位】渤海大学信息科学与技术学院锦州121013;大连海事大学信息科学技术学院大连116026;渤海大学信息科学与技术学院锦州121013
【正文语种】中文
【中图分类】TP311
【相关文献】
1.一种基于潜在类别模型的新闻推荐方法 [J], 文鹏;蔡瑞;吴黎兵
2.基于潜在因子模型的跨领域信息推荐算法 [J], 高升;任思婷;郭军
3.URTP:一种基于用户-区域-时间-商品的因子分解推荐模型 [J], 胡亚慧;杨莎;刘晶;余伟;李石君;王俊;方其庆
4.基于潜在因子算法的课程推荐系统研究 [J], 徐江红;赵婉芳;赵静雅
5.基于PMF进行潜在特征因子分解的标签推荐∗ [J], 刘胜宗;樊晓平;廖志芳;吴言凤
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于自注意力机制的组推荐方法

收稿日期：２０１９０８２０；修回日期：２０１９１０１２作者简介：刘浩翰（１９６６），男，吉林白城人，副教授，硕导，主要研究方向为图形图像与可视化分析、推荐系统；任洪润（１９９５），女（通信作者），山西临汾人，硕士，主要研究方向为智能信息处理与推荐系统（９５１７７２１０４＠ｑｑ．ｃｏｍ）；贺怀清（１９６９），女，吉林白城人，教授，硕导，主要研究方向为图形图像与可视化分析．一种基于自注意力机制的组推荐方法刘浩翰，任洪润，贺怀清（中国民航大学计算机科学与技术学院，天津３００３００）摘　要：基于自注意力网络和神经协同过滤模型（ｎｅｕｒａｌｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ，ＮＣＦ）提出一种基于自注意力机制的组推荐系统模型ＳＡＧＲ（ｓｅｌｆａｔｔｅｎｔｉｏｎｇｒｏｕｐｒｅｃｏｍｍｅｎｄａｔｉｏｎ），用于建模用户交互数据以及学习群组潜在偏好的表示。

通过在用户级和项目级分别使用自注意力机制，动态调整组中每个用户的权重，解决偏好融合问题从而得到组表示。

再通过多层神经网络框架ＮＣＦ从数据中挖掘组和项目之间的交互，最终完成群组推荐。

在ＣＡＭＲａ２０１１和ＭｏｖｉｅＬｅｎｓ数据集上与同类方法进行对比，实验结果表明ＳＡＧＲ方法能够取得更好的组推荐结果。

关键词：群组推荐；自注意力机制；协同过滤；深度学习；融合策略中图分类号：ＴＰ３０１６文献标志码：Ａ文章编号：１００１３６９５（２０２０）１２０１０３５７２０６ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０１９．０８．０５１９ＧｒｏｕｐｒｅｃｏｍｍｅｎｄａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｓｅｌｆａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍＬｉｕＨａｏｈａｎ，ＲｅｎＨｏｎｇｒｕｎ，ＨｅＨｕａｉｑｉｎｇ（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＣｉｖｉｌＡｖｉａｔｉｏｎＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ，Ｔｉａｎｊｉｎ３００３００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＢａｓｅｄｏｎｓｅｌｆａｔｔｅｎｔｉｏｎｎｅｔｗｏｒｋａｎｄＮＣＦ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａＳＡＧＲｍｏｄｅｌｂａｓｅｄｏｎｓｅｌｆａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｔｏｍｏｄｅｌｕｓｅｒｉｎｔｅｒａｃｔｉｏｎｄａｔａａｎｄｌｅａｒｎｇｒｏｕｐｐｏｔｅｎｔｉａｌｐｒｅｆｅｒｅｎｃｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ．Ｂｙｕｓｉｎｇｔｈｅｓｅｌｆａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍａｔｔｈｅｕｓｅｒｌｅｖｅｌａｎｄｔｈｅｉｔｅｍｌｅｖｅｌｒｅｓｐｅｃｔｉｖｅｌｙ，ＳＡＧＲｃｏｕｌｄｄｙｎａｍｉｃａｌｌｙａｄｊｕｓｔｔｈｅｗｅｉｇｈｔｏｆｅａｃｈｕｓｅｒｉｎａｇｒｏｕｐａｎｄｓｏｌｖｅｔｈｅｐｒｅｆｅｒｅｎｃｅｆｕｓｉｏｎｐｒｏｂｌｅｍｔｏｏｂｔａｉｎｔｈｅｇｒｏｕｐｒｅｐｒｅｓｅｎｔａｔｉｏｎ．ＴｈｅｎｉｔｕｓｅｄｔｈｅｍｕｌｔｉｌａｙｅｒｎｅｕｒａｌｎｅｔｗｏｒｋｆｒａｍｅｗｏｒｋＮＣＦｔｏｍｉｎｅｔｈｅｉｎｔｅｒａｃｔｉｏｎｂｅｔｗｅｅｎｔｈｅｇｒｏｕｐａｎｄｔｈｅｉｔｅｍｆｒｏｍｔｈｅｄａｔａ，ａｎｄｆｉｎａｌｌｙｃｏｍｐｌｅｔｅｄｔｈｅｇｒｏｕｐｒｅｃｏｍｍｅｎｄａｔｉｏｎ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎｔｈｅＣＡＭＲａ２０１１ａｎｄＭｏｖｉｅＬｅｎｓｄａｔａｓｅｔｓｓｈｏｗｔｈａｔｔｈｅＳＡＧＲｍｅｔｈｏｄｐｅｒｆｏｒｍｓｂｅｔｔｅｒｔｈａｎｏｔｈｅｒｓｉｍｉｌａｒｇｒｏｕｐｒｅｃｏｍｍｅｎｄａｔｉｏｎｍｅｔｈｏｄｓ．Ｋｅｙｗｏｒｄｓ：ｇｒｏｕｐｒｅｃｏｍｍｅｎｄａｔｉｏｎ；ｓｅｌｆａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ；ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ；ｄｅｅｐｌｅａｒｎｉｎｇ；ｆｕｓｉｏｎｓｔｒａｔｅｇｙ０　引言随着互联网技术的飞速发展和现代电子商务的广泛应用，面对互联网上的海量信息，用户很难准确获得满足自身需求的信息［１］。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

0
引言
社会标签是 Web 2． 0 时代的一个伟大创举，它将网络信息
用户使用标签的一般规律，试图从社会标签用户进行标注的动机出发为用户推荐社会标签。动机是推动人从事某种活动并朝一个方向前进的内部动是为实现一定目的而行动的原因。心理学认为，动机是个力，体的内在过程，行为是这种内在过程的表现
［1 ］
。因此，人们不
能直接观察动机，但可以间接推断。例如，用户标注“搜狐主页” 是为了便于浏览具体的网页内容、还是为了便于查找该网站，他的目标是什么；用户在进行标注时，是一直喜欢用中性词进行标注、还是喜欢用有感情的词进行标注等，可以通过诸如此类用户标注的行为和结果来间接研究用户标注的动机。表 1 汇总了有关社会标签系统中用户标注行为动机的研从理论证明究。从表 1 可以看出，数据的实证研究见。Sinha
Approach for tag recommendation based on orientation of motivation
JIN Yanan
（ Schoole of Information Management，Hubei University of Economics，Wuhan 430205 ，China）
［5 ］
资源的分类方式从原来基于少数专家的分类体系转变为广大 Web 用户的分类体系。Web 用户可以使用任意的词汇不受控地对网络信息资源进行分类，利用社会标签系统定义自己的分类，同时这种分类还可以被其他用户所分享。但是社会标签系统中标签不受控制地使用，给基于标签的分类系统带来了许多问题。出于对信息和词的不同理解，不同的用户不太可能使用完全一致的方法分类相同或者相似的信息。研究结果表明，基于标签的分类系统通常难以保证分类的一致性，并面临着冗余性、不完备性等问题。这些问题导致基于标签的分类系统在信息检索等领域中的实际应用效果大打折扣。为了保证分类的一致、完备，研究人员对标签推荐方法进行了大量的研究
Abstract ： In order to recommend tags meeting the demand of social taggers，after deeply analyzing social tag spaces and previous recommendation methods， this paper used five indices to measure the users’and resources’motivation． After validating it proposed an orientation of motivation discrimination model （ OMDM），and designed an algorithm to the five metric indices， recommend tags based on the model． Experimental results show， that the proposed method can provide more accurate candidate tags than current mainstream methods． Key words： social tags； tagging； recommendation system； user motivation
第 30 卷第 1 期 2013 年 1 月
计算机应用研究 Application Research of Compun． 2013
一种基于动机倾向的标签推荐方法
靳延安
（湖北经济学院信息管理学院，武汉 430205 ）摘
*
要：为了能够推荐符合用户信息需求的标签，在深入分析社会标签空间和传统标签推荐方法的基础上，提
出了度量用户和资源的动机倾向性的五种指标，并对其测度有效性进行了验证。基于此指标体系，建立了动机倾向性判别模型，并设计了推荐算法。实验结果表明，基于动机倾向的推荐算法比当前主流推荐算法具有更加准确的推荐结果。关键词：社会标签；标注；推荐系统；用户动机中图分类号： TP391 文献标志码： A 文章编号： 1001-3695 （ 2013 ） 01-072-06 doi： 10． 3969 / j． issn． 1001-3695． 2013． 01． 017
行基于标签的分类过程中提供高质量的标签备选。截至目前，研究人员已经提出了大量的标签推荐方法，主要有基于网络结构的方法、基于张量的方法和基于主题的方法。这些方法都能从一定程度上解决其中的一个或几个问题，但依然存在冷启动、稀疏性和多样性等问题，最终导致用户不会从所推荐的备选列表中选用标签。笔者认为，如果能够捕捉到标注用户的标注动机，弄清楚用户为什么要标注 Web 信息资源及其标注习惯，据此进行推荐的效果会好于传统方法。因此，本文研究
［12 ］［8 ～ 11 ］［2 ］［6 ， 7 ］、证据观察到大规模
，从早期的定性研究到后来的定量研究，
关于标注行为动机的分类、评价和研究范围没有一致性的意对标注的整个过程进行了分析，认为标注过程分。标签推荐的基本方法是通过为用户在进
［2 ～ 4 ］
4， 6］将为有关资源的概念产生和概念选择两个阶段。文献［用户动机绝对二分为分类动机和描述动机，即要么是描述动机，要么是分类动机。显然，该分类方法并不符合现实情况。更客观地，应该是说用户更倾向于哪一种动机。倾向于描述的用户用标签来概括资源的内容，这些标签可以方便用户检索到资源；而倾向于分类的用户把标签看做分类的类目，这些标签可以帮助用户管理和浏览资源。本文将用户标注的动机分为描述倾向（动机）和分类倾向（动机）。通过深入分析众多社会标签系统和传统标签推荐方