推荐系统——利用用户标签数据

前言

推荐系统的目的是联系用户的兴趣和物品，这种联系需要依赖不同的媒介。这些媒介在前面的博文中也提到过，一种是利用用户喜欢过的物品，给用户推荐与他喜欢过的物品相似的物品；另一种是利用和用户兴趣相似的其他用户，给用户推荐那些和他们兴趣爱好相似的其他用户喜欢的物品；还有一种就是通过一些特征（比方说电影的导演、演员、评分、类型等关键词）联系用户和物品，给用户推荐那些具有用户喜欢的特征的物品。下面就以特征中大家最为熟悉的一种——标签，作为分析，这些特征是怎么样去联系用户的兴趣和物品的。

本图根据《推荐系统实战》一文中的介绍所绘制，本图的著作权归原著作权人所有。

我们先来看看维基百科的定义，标签是一种无层次化结构、用来描述信息的关键词，它可以用来描述物品的语义。根据给物品打标签的人的不同，标签应用一般分为两种：一种是让作者或者专家给物品打标签；另一种是让普通用户给物品打标签，也就是UGC（User Generated Content，用户生成的内容）的标签应用。UGC的标签系统是一种表示用户兴趣和物品语义的重要方式。当一个用户对一个物品打上一个标签，这个标签一方面描述了用户的兴趣，另一方面则表示了物品的语义，从而将用户和物品联系了起来。

参考材料：维基百科对标签的定义

生成这样的推荐系统主要解决两个问题

如何利用用户打标签的行为为其推荐物品？
如何在用户给物品打标签时为其推荐适合该物品的标签？

在解决这两个问题之前首先弄明白以下三个问题

用户为什么要打标签？

便于上传者组织自己的信息；
便于帮助其他用户找到信息；
用于更好地组织内容，方便用户将来的查找；
用于传达某种信息(比如照片的拍摄时间和地点)。

用户怎么打标签？

参考前面博文https://blog.csdn.net/qq_38931949/article/details/84573095用户活跃度和物品流行度的长尾分布（趋于正比：一个标签被一个用户使用在一个物品上，它的流行度就加一）。

用户打什么样的标签（最常用）？

表明物品是什么,比如CSDN博客的‘CSDN’；
表明物品的种类，比如CSDN博客的‘博客’；
表明谁拥有物品，比如CSDN博客的博主等信息；
类型，比如CSDN博客属于IT行业类型；
人物，比如CSDN博客不同的博主，大牛，菜鸟类似的。

第一个问题的解决——基于标签推荐

实验设置

举个例子：从CSDN博客中获取所有文章的文章ID、用户ID、时间、标签等作为庞大的数据集（以user、article为主键）进行实验分析测试。

本图根据《推荐系统实战》一文中的介绍所绘制，本图的著作权归原著作权人所有。

将上面的实验进行10次，每次选择不同的测试集，然后将每次实验的准确率和召回率的平均值作为最终的评测结果。

简单算法解决获得的用户标签行为数据

统计每个用户最常用的标签。
对于每个标签，统计被打过这个标签次数最多的物品。
对于一个用户，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。

算法改进

在算法设计时我们要注意，并不是所有标签都能反应用户的兴趣。所以我们要对标签进行清理，清理那些包含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很多意义相同的词语。

官方的标签清理方法有如下三种：

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。

第二个问题的解决——给用户推荐标签

和前面的实验一样，我们用同样的方法将数据集按照9∶1分成训练集和测试集，循环10次然后通过训练集学习用户标注的模型。需要注意的是，这里的数据集不再是以user、article为主键，而是以user、article、tag（标签）为主键。

推荐系统——利用用户标签数据

推荐系统——利用用户标签数据相关推荐

最新文章

热门文章