基于LDA主题模型的标签混合推荐研究
来源：图书情报工作杂志2018年第3期北京时间：
作者：熊回香,窦燕
单位：华中师范大学信息管理学院 武汉 430079
摘要：[目的/意义]针对目前使用标签推荐方法所得结果不理想的问题，改进传统相似度计算方式，并结合多种标签推荐方法，提高推荐准确性。[方法/过程]融合基于内容与协同过滤的推荐思想，利用LDA进行相似度计算得出资源与用户的近邻集合，并抽取资源内容关键词，以此构建标签混合推荐模型，最后以"豆瓣读书"为例对模型进行验证，同时与几种标签推荐方法进行比较。[结果/结论]在社会标注系统中，必须考虑用户-资源-标签3个维度，仅考虑单一角度势必会造成结果的不完整，同时在相似度计算时引入LDA能够挖掘潜在语义关系，提高推荐质量，且组合多种方法取长补短可以令推荐结果更为满意。
关键词：社会标注,标签推荐,协同过滤,LDA,
基金资助：本文系国家社会科学基金项目"大众分类中标签间语义关系挖掘研究"（项目编号：12BTQ038）研究成果之一。
