个性化推荐通过用户-物品-标签三部图上的集成扩散
摘要：个性化推荐系统面临着准确性、多样性和新颖性等巨大挑战，尤其是在数据集稀疏且缺乏辅助信息（如用户资料、项目属性和明确评级）的情况下。协作标签包含有关个性化偏好和项目内容的丰富信息，因此有助于提供更好的推荐。在本文中，我们提出了一种基于用户-项目-标签三分图的集成扩散的推荐算法。我们使用Del.icio.us、MovieLens和BibSonomy三个基准数据集来评估我们的算法。实验结果表明，使用标签信息可以显著提高推荐的准确性、多样性和新颖性。
作者：Zi-Ke Zhang, Tao Zhou, Yi-Cheng Zhang
论文ID：0904.1989
分类：Information Retrieval
分类简称：cs.IR
提交时间：2009-10-07