基于图的推荐系统结合社区检测的增强方法

Jan, 2022

基于图的推荐系统结合社区检测的增强方法

Graph-Based Recommendation System Enhanced with Community Detection

Zeinab Shokrzadeh, Mohammad-Reza Feizi-Derakhshi, Mohammad-Ali Balafar, Jamshid Bagherzadeh Mohasefi

TL;DR使用数学和统计方法通过词汇相似度和共现标签来解决标签的语义相似性问题，建立了基于标签相似性的社区，并使用社区检测方法来确定用户的兴趣，从而改善推荐算法的效果。

Abstract

Many researchers have used tag information to improve the performance of recommendation techniques in recommender systems. Examining the tags of users will help to get their interests and leads to more accuracy i

recommendation techniques tag information lexical similarity co-occurrence tags community detection methods

发现论文，激发创造

本体论在推荐系统中计算语义相似度的应用

本文探讨了基于本体论的语义相似性计算在推荐系统中的应用。

May, 2022

基于用户 - 物品 - 标签三分图的一体化扩散个性化推荐

本篇论文提出了一种基于用户 - 物品 - 标签三元图的整合扩散的推荐算法，利用协同标签信息，在三个数据集上评估了算法的准确性、多样性和新颖性，实验结果表明利用标签信息可以显著提高推荐的准确性、多样性和新颖性。

Apr, 2009

利用社交标签解决推荐系统中的冷启动问题

提出了一种基于用户标签对象三元图的推荐算法，考虑到社交标签在信息检索中的重要作用，该算法计算时间成本低，并在 Del.icio.us 和 MovieLens 两个真实数据集上的实验结果表明它可以提高算法准确性和多样性，特别是在用户拥有多样的标签主题时可以获得更个性化的推荐结果。此外，算法精度依赖性的数值结果表明，该算法对于小度对象尤其有效，有效解决了推荐系统中众所周知的冷启动问题，尤其在具有异质性对象度分布的社交标记系统中表现显著。

Apr, 2010

语义排序：个性化语义相关性的监督学习方法

本文提出了一种基于主观注释的新型监督学习方法来学习统计句子相关性模型，该模型由大规模背景知识语料库中的文本单位关联的参数化共现统计信息组成，并提出了一种高效的算法来从相关性偏好的训练样本中学习语义模型，方法独立于语料库、适用于任何足够大的（非结构化）文本集合，并且可以为特定用户或用户组拟合语义模型。通过广泛的小到大规模实验结果表明，这种方法是有效的，竞争力强。

Nov, 2013

标签簇作为信息检索界面

通过标签聚类的可视化信息呈现方式，基于标签共现关系设计了下一代信息检索系统。评估结果表明，相比标签云，标签聚类被认为更实用、更可靠且更易用。

Mar, 2010

利用概念图实现准确的社交媒体内容标记

本文针对社交媒体上的文本片段难以准确表达主题这一问题，提出了一种基于 TAG 概念匹配数据集和概念图的图图匹配方法，该方法在利用概念图结构和句法依赖解析中的语义单元逻辑交互方面表现出更好的抽象和概括性能。

Oct, 2021

一种基于超图的图书馆在线资源推荐方法

分析数字图书馆的使用数据，利用聚类算法（包括基于内容和基于用户访问模式）设计推荐系统，并通过超图算法生成的聚类模型相较基于内容的聚类算法设计的推荐系统更准确。

Dec, 2023

基于语义编码的 KNN 评分预测

本文探讨了在评分预测中使用文本语义相似性来表示用户偏好的新颖应用。该方法将用户的偏好表示为评测文本中文本片段的图形，其中边缘由语义相似性定义，并且能够通过评测进行推荐解释。本文量化评估表明，利用文本的记忆型方法在性能上优于强记忆型和基于模型的协作过滤基线。

Feb, 2023

基于语料库统计和词汇分类的语义相似度

本文提出了一种通过在词汇分类结构和语料统计信息之间进行结合从而更好地度量语义空间内节点间语义距离的方法。这种综合方法结合了基于边缘计数方案的边缘方法和基于信息内容计算的节点方法，实现了对词对相似性评分数据集的超越性表现，与人类相似性判断的基准最高相关性值为 r=0.828，而在人类主体复制相同任务时可以观察到一个上界（r=0.885）。

Sep, 1997

LFGCF：轻量级民间标注图协同过滤用于标签感知推荐

本文提出了一种名为 LFGCF 的新型基于标签的推荐模型，它采用了 Folksonomy Graph 结构以学习用户和物品的高阶表示，并使用加权和的嵌入向量进行信息更新，同时还引入了名为 TransRT 的正则化函数以更好地描述用户喜好和物品特征。基于三个真实数据集的超参数实验和消融研究表明，LFGCF 使用较少的参数并显著优于大多数基线模型的标签感知的 top-N 推荐。

Aug, 2022