论文部分内容阅读
近年来,社会化标签(Social Tag)的出现有效地提高了人们对资源检索和使用的效率,并逐渐成为重要的资源组织共享方式。社会化标签相似性评估是基于标签的链路预测和个性化推荐的基础,为克服现有基于空间向量矩阵、二部图、三部图以及标签共现网络等模型的标签相似性评估方法中割裂社会化标签系统“用户-资源-标签”三元内在关系的问题,本文结合国家自然科学基金项目:“泛在计算环境中社会化驱动的情境感知个性化信息服务研究”(项目编号:71471165)和国家教育部社科规划项目:“移动互联网环境下个性化信息服务研究—基于情境感知和本体的方法研究”(项目编号:14YJC870010),对该问题进行研究,提出了基于超网络的社会化标签相似性评估方法,系统地阐述了社会化标签超网络的构建方法,提出了基于该超网络的系列社会化标签相似性度量指标并展开实验研究。本文的主要工作和贡献如下:(1)以超图理论为基础,构建社会化标签超网络。该超网络模型以用户的每一次标注行为作为超边,标注所使用的标签作为节点,不仅准确地刻画了社会化标签系统“用户-资源-标签”三元结构之间的内在联系,而且有效地避免了模型构建过程中不必要的信息丢失。(2)在构建的社会化标签超网络的基础上,结合现实系统中标签之间的标注关系,提出了建立社会化标签相似性指标的共超边原则和超边包含节点数原则,据此构建了系列社会化标签相似性度量指标并给出计算机实现。(3)选取Delicious和Last.fm两个社会化标签数据集开展链路预测实验,对本文提出的社会化标签相似性指标的有效性进行验证。研究表明,基于链路预测的AUC和Precision评价准则,单纯基于共超边原则以及综合共超边、超边包含节点数原则构建的基于超网络的标签相似性指标有较好表现,且明显优于基于标签共现网络构建的标签相似性度量指标。这一研究结果对于基于标签的链路预测和个性化推荐具有较高的实践应用价值。