基于同义标签分组的协同推荐 (2011年)

Last .FM,MovieLens等在线服务一个重要的特征是用户能手动使用标签标注对象,很多研究人员使用标签改进推荐质量。但是,标签是一个用户对对象的局部描述,不同的用户可能使用不同的标签来描述同一个对象,但表达同样的意义,这导致了单纯的使用标签进行推荐所达到的效果不理想。因此,本文首先根据标签共生分布计算标签相似度,然后根据相似度分组同义标签,最后通过组标签计算用户的相似度,将其混合到经典的协同过滤推荐算法中。实验结果表明,该方法能有效地改进现有的推荐算法,达到更好的推荐效果。