融合社会标签的联合概率矩阵分解推荐算法
来源：信息与控制杂志2017年第4期北京时间：
作者：曹玉琳, 李文立, 郑东霞
摘要：传统的推荐系统只使用用户的评分信息进行计算并进行推荐，虽然在一定程度上能够获得用户或资源的隐含特征，但缺乏足够的语义解释，影响了推荐效果.针对此问题，提出了一种融合社会标签的近邻感知的联合概率矩阵分解推荐算法.首先，该算法通过标签的相似性来计算用户间和资源之间的相似性，进行近邻选择；其次，构建用户-资源评分矩阵、用户-标签标注矩阵、资源-标签关联矩阵并运用联合概率矩阵分解方法计算3个矩阵的隐含特征向量，通过对训练模型进行参数优化，为用户进行推荐.实验结果表明，该算法可以有效利用标签的语义性，提高推荐质量.
关键词：社会标签, 近邻感知, 联合概率矩阵分解, 推荐算法
