基于语义相似性的资源协同过滤技术研究

　　基于语义相似性的资源协同过滤技术研究崔林i，3，宋瀚涛\陆玉昌2（1.北京理工大学信息科学技术学院计算机科学工程系，北京100081；2.清华大学计算机科学与技术系，3.中央广播电视大学理工部，北京100031）义知识协同过滤算法，算法综合考虑了资源语义和用户评价的影响，改善基于资源协同过滤算法性能……从可见与传统的CF算法相比较，基于语义的CF算法均具有较小的误差，算法可改善推荐系统的推荐质量。

　　3.4实验结果分析基于语义的CF算法比传统CF算法考虑的因素更为全面。不仅照顾了用户对资源的主观感受，同时也考虑了资源本身之间的客观联系，因此，能够更全面地表达资源特性。

　　用户对资源的评价反映了用户的喜好，是对资源相似性的一种主观评价指标；而资源的语义关系隐含在资源的内部，反映了资源之间的一种客观联系。将资源评价的主观相似性与通过语义联系的客观相似性组合在一起，一定程度上能更全面反映资源间的相似性，从而做出更准确的预测。利用好资源语义特性，可以改善资源评价的稀疏性和新资源初始评价问题，提高系统的推荐质量。

　　4结束语分析了基于资源的协同过滤技术，提出了基于资源语义相似性的CF算法，改进了传统相似性度量方法存在的测量结果不够准确的问题，将主、客观的相似性统一考虑，在一定程度上提高了推荐系统的精度。由于资源的语义相似性是一个和领域相关的问题，今后对资源语义相似性如何自动抽取以及度量还要深入研究。此外，结合领域本体知识，利用领域背景知识给出更为良好的语义相似性计算模型，将是今后的研究重点。

(完)