• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Artificial intelligence applications and innovations III >User Recommendations based on Tensor Dimensionality Reduction
【24h】

User Recommendations based on Tensor Dimensionality Reduction

机译：基于张量降维的用户建议

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Social Tagging is the process by which many users add metadata in the form of keywords, to annotate and categorize items (songs, pictures, web links, products etc.). Social tagging systems (STSs) can recommend users with common social interest based on common tags on similar items. However, users may have different interests for an item, and items may have multiple facets. In contrast to the current recommendation algorithms, our approach develops a model to capture the three types of entities that exist in a social tagging system: users, items, and tags. These data are represented by a 3-order tensor, on which latent semantic analysis and dimensionality reduction is performed using the Higher Order Singular Value Decomposition (HOSVD) method. We perform experimental comparison of the proposed method against a baseline user recommendation algorithm with a real data set (BibSonomy), attaining significant improvements.
机译：社交标记是许多用户以关键字的形式添加元数据以对项目（歌曲，图片，Web链接，产品等）进行注释和分类的过程。社交标签系统（STS）可以根据相似商品上的通用标签推荐具有共同社会兴趣的用户。但是，用户可能对项目有不同的兴趣，并且项目可能具有多个方面。与当前的推荐算法相反，我们的方法开发了一个模型来捕获社交标签系统中存在的三种类型的实体：用户，商品和标签。这些数据由3阶张量表示，在其上使用高阶奇异值分解（HOSVD）方法执行潜在的语义分析和降维。我们对带有真实数据集（BibSonomy）的基线用户推荐算法进行了实验性比较，该方法得到了很大的改进。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号