[发明专利]一种基于标签消歧的用户模型建构方法

说明书

技术领域

本发明涉及社会化标注技术，具体涉及一种基于标签消歧的用户模型建构方法。

背景技术

随着电子商务以及Delicious、YouTube、Flickr、Movielens等社交网站的兴起，用户信息空前丰富，但如何为用户更为有效的个性化推荐服务也日益成为一个挑战。社会化标注为个性化研究中用户模型的构建提供了新的思路，研究者们提出了多种推荐算法，在提升了推荐效率的同时也丰富了个性化服务领域的研究。但社会化标注也存在若干不完善之处，标签所用的词汇存在的多义性便是其中典型问题之一。在缺失语境的情况下，人们往往无法对多义标签的确切含义进行正确的理解，使得在推荐过程中往往得到不相关的结果。

在现有的关键词或标签消歧的研究中，较多针对的是对Google、百度等搜索引擎或者某一网站内检索的扩展，因此往往只需对非常少量的检索词进行分析，由于检索组合一般具有语义关联，通过检索词提供的语境就基本能判断多义词的具体含义，或者是通过用户的参与来消歧，最后将获得的消歧信息吸纳到检索中便能有效的克服多义词所产生的问题。但在Delicious、YouTube等标注网站的个性化服务中，无论是用户模型和资源模型，一方面，模型中都涉及到数量较多的标签，因此也就可能会存在多个多义标签，而如果为每一个标签都补充额外信息到模型中，极有可能淹没模型中原有的信息，并产生新的无法预料的语境；另一方面，用户模型中标签间的语义信息较弱，无法通过相互间的关联产生明确的语义，造成了多义词消歧的困难。这么模型的不足，使得标签网站在推荐过程中，由于无法对apple、SF等标签的正确含义的识别，而将毫不相关但却词形一致的资源推荐给用户，无法对标签网站的个性化推荐起到准确的引导作用。

发明内容

本发明所要解决的技术问题是提供一种基于标签消歧的用户模型建构方法，能够为现有的推荐系统提供具有多义和语境判断功能的用户模型，提高推荐系统的准确性和推荐效率。

本发明为了解决上述技术问题采用的技术方案为：

一种基于标签消歧的用户模型建构方法，包括以下步骤：

1)从标签网站提供的API端口爬取网站用户标注数据，对用户添加过标签的资源信息(URLs)进行统计，建立标注资源信息数据库；

其中，标签网站是指允许普通用户为资源添加标签的网站。

2)根据标注资源信息数据库中的用户、资源、标签信息，构建用户模型与资源模型；

3)对步骤2)中生成的用户模型进行多义标签r_p的识别；

4)确定步骤3)中多义标签r_p的义项及邻居标签集；

5)基于步骤4)生成消歧后的用户模型；

6)将步骤5)生成的用户模型嵌入标签网站后台，根据用户模型与资源模型的余弦相似度进行资源推送。

在采用上述技术方案的同时，本发明还可以采用或者组合采用以下进一步的技术方案：

所述步骤2)具体包括以下步骤：

2.1)：选取任一个标签网站中的用户，从标注资源信息数据库中获取其标注的所有资源信息，建立相应的资源集合R；

2.2)：根据资源集合R中每一资源r的标签出现频率，应用TF-IDF算法计算r中各标签的权值w_x，其对应的标签记为t_x；

TF-IDF的权值计算方法，根据目标标签频率与反向频率来确定其权值。

2.3)：加总资源集合R中所有资源r的t_x及w_x，提取权值最大的m个标签记为t_y，对应的权值为w_y；

2.4)：构建用户模型u＝u(t_y,w_y)，其中，t_y表示用户模型中第y个标签，w_y为对应的权值；

2.5)：对该用户的每一资源r，构建资源模型r＝r(t_x,w_x)，其中，表示资源模型中的第x个标签，w_x为对应的权值。

所述步骤3)具体包括以下步骤：

3.1)：对于标签网站中被收藏次数大于阈值z的资源R与被标注次数大于阈值z的标签T，构建资源-标签矩阵M(R,T)；

3.2)：基于M(R,T)，形成标签的共现矩阵C(t_i,t_j)，进而形成标签共现网络N(t_i,t_j)；