推荐系统之---UGC标签推荐方式

2024-06-11 18:30:32

1.说明

UGC标签系统是很多网站、平台的必要组成成分，下面简单介绍如何使用UGC的方式进行推荐。

2.标签的种类

表明物品是什么：比如一本书，就会有“书”的标签。
表明物品的种类：比如《数学之美》，就会有“数学”的标签。
表明谁拥有的物品：比如本篇博客的所属。
表达用户的观点：比如给某个商品、电影打上“搞笑”的标签。
用户相关的标签：比如网易云里一首歌《Lemon》，标注为“我喜欢”。
用户的任务：比如在贴吧或者知乎会经常遇到。“Mark”这样的标签。
类型：主要表示物品所属的类别，比如牙刷属于“日用品”。
时间：商品的上线时间。
人物：商品的代言，或者电影的演员、导演等。
地点：商品的产地，电影的拍摄地等。
语言：比如电影的语言。
奖项：电影获过什么大奖。
其他。

3.标签推荐

【数据】

一个用户标签行为的数据集一般有一个三元组的集合表示，即为(u,i,b)。
其中，u表示用户，i表示为物品，b表示为用户u对物品i的标签。

【算法】

有了用户标签行为数据，就可以设计一个算法来进行个性化推荐。过程如下：
- 统计每个用户最常用的标签。
- 对每个标签，统计被打过这个标签次数最多的物品。
- 对一个用户，首先找到他常用的标签，然后找到具有这些标签的最热门物品推荐给这个用户。
对于上面的算法，用户u对物品i的兴趣公式如下：

p(u,i)=∑b(nu,b∗nb,i)p(u,i) = \sum_b({n_{u,b}*n_{b,i}}) p(u,i)=b∑(nu,b∗nb,i)

这个公式比较容易理解，nu,bn_{u,b}nu,b表示用户u打标签b的次数，nb,in_{b,i}nb,i表示物品i被打过b标签的次数。累加是指的不同标签的累加，即用户u常用标签集合B(u)B(u)B(u)。

【算法缺点】

热门问题： 这个算法更加倾向于给热门标签对应的热门物品很大的权重。因为热门的物品会被给与更多的打标签次数，热门的标签也会有更多的应用。因此会造成推荐热门的物品给用户，从而降低推荐结果的新颖性。
数据稀疏性： 在这个算法中，用户兴趣和物品的联系是通过B(u)B(u)B(u)和B(i)B(i)B(i)的交集的标签建立的。但是对于新用户或者新物品，这个交集中的标签数量会很少。就很难有很好的推荐。
标签清理： 不是所有的标签都能反映用户的兴趣。比如，一个用户对一个视频打了一个表示情绪的标签“不搞笑”，我们不能因此认为用户会对“不搞笑”感兴趣。

【算法改进】

TagBasedTF-IDF： 我们可以针对上述的热门问题做出如下改进：

这里利用了TF-IDF的思想，通过上面的公式就可以对热门标签进行惩罚。其中分子表示的用户u的常用标签，分母的log部分表示的该标签在其他用户的使用情况。也就是该标签的流行度，如果该标签流行度比较大，该标签的总体计算就会权重减低。
单一惩罚的效果：

同样的思想我们可以对热门物品进行惩罚：

分子表示的该物品被打上b标签的次数，而分母表示的该标签的流行度，即物品i被多少个不同的用户打过该标签。

双惩罚的效果：

标签扩展： 针对上述的数据稀疏性问题，我们可以通过标签的扩展的方式解决。具体的解决思路：比如用户曾经打过“搞笑”这个标签，那么对应的我们可以扩展出“好玩”、“有趣”这样的标签。其实这里是用了标签的相似性。具体的相似度的度量方式就有很多了。

扩展后的效果:

标签清理： 标签清理的另一个重要意义在于将标签作为推荐解释。如果要讲标签呈现给用户，就对标签的质量要求很高。首先，这些标签不能含有没有意义的停止词或者表示情绪的词，其次这些推荐解释里不能包含意义重复的词。
- 一般来说有如下标签清理的方法：
  - 去除词频很高的停止词
  - 去除因词根不同造成的同义词
  - 去除因分隔符造成的同义词

推荐系统之---UGC标签推荐方式相关推荐

推荐系统-------------基于UGC的推荐
用户用标签描述对物品的看法,所以用户生成标签(UGC)是联系用户和物品的纽带,也是反应用户兴趣的重要数据源. 一个用户标签行为的数据集一般有一个三元组(用户,物品,标签)的集合组成,其中一条记录(a, ...
推荐系统6——基于标签的推荐方法
在之前我也看了很多人写的推荐系统的博客,理论的.算法的都有,多是个人的理解和感悟,虽然很深刻,但是对于自己而言还是不成系统,于是我参考大牛项亮编著的<推荐系统实践>将该领域知识系统整理一遍 ...
推荐系统之基于标签的推荐算法
文章目录 1.联系用户和物品的途径 2.标签系统的典型代表 3.基于标签的推荐系统 3.1 试验设置 3.2 最简单的推荐算法思路: 定义: 1.联系用户和物品的途径第一种方式利用用户喜欢过的物品 ...
使用TF-IDF对UGC基于用户标签推荐算法的改进
基于 UGC 的推荐用户用标签来描述对物品的看法,所以用户生成标签(UGC)是联系用户和物品的纽带,也是反应用户兴趣的重要数据源一个用户标签行为的数据集一般由一个三元组(用户,物品,标签)的集合表 ...
推荐系统——标签推荐系统：UGC的标签应用
UGC: user generated content, 用户生成的内容. Delicious 允许用户给互联网的每个网页打标签,从而通过标签重新组织整个互联网. CiteULike 是一个著名的论文 ...
机器学习-推荐系统-利用用户标签数据
在之前的博文中介绍了三种方法给用户推荐物品. 1)UserCF:给用户推荐和他们兴趣爱好相似的其他用户喜欢的物品. 2) ItemCF:给用户推荐与他喜欢过的物品相似的物品. 3) LFM:通过一些特 ...
推荐系统之用户标签，以及基于标签的算法
目录一.用户标签 1.维度 2.阶段 3.打标签的方式 4.如何给用户推荐标签二.基于标签的算法 1.SimpleTagBased 2.NormTagBased 3.TagBased-TFIDF ...
推荐系统系列一：推荐系统介绍
下面内容转自大数据与人工智能微信公众号,由于网络上推荐系统的相关学习资料太多太杂,东拼西凑学习很难摸出门道,同时我也在学习推荐系统,因此我将该系列内容摘录到我的博客,方便大家直接在博客中查看,大家一起 ...
MM2020 | 基于对抗学习的个性化标签推荐
猜你喜欢 0.2021年轻人性生活调研报告 1.如何搭建一套个性化推荐系统? 2.从零开始搭建创业公司后台技术栈 3.某视频APP推荐详解(万字长文) 4.微博推荐算法实践与机器学习平台演进 5.腾讯 ...

最新文章

热门文章