[发明专利]一种基于信息检索的大规模软件信息站标签推荐方法

摘要

本发明涉及一种基于信息检索的大规模软件信息站标签推荐方法，包括，步骤1：预处理生成软件对象集合；步骤2：为集合中对象创建索引。步骤3：计算相似得分，取得分高的软件对象构成候选集合；步骤4：计算标签得分，取得分高的推荐给开发者。本发明具有如下优点：1.本方法对规模不断增大的软件信息站自动推荐标签并缓和标签急剧增长的问题；2.本方法提出一个基于标签多分类算法，可以处理上百万的软件对象；3.本方法推荐更加准确；4.本发明创建的TagMulRec相比已经存在的EnTagRec等标签推荐方法具有更好的可扩展性和稳定性，速度上提了三个量级。

主权项

1.一种基于信息检索的大规模软件信息站标签推荐方法，其特征在于，包括以下步骤：/n步骤1：对软件信息站的软件对象数据进行预处理，移除不带标签的和标签频率低于预设定阈值的软件对象，最后移除这些软件对象描述中的停词，从而得到所有带标签和描述的软件对象集合；包括以下子步骤：/n步骤1.1：基于已经存在的标签，对软件信息站的软件对象，去除其中的不带标签项；/n步骤1.2：对于出现频率小于临界值threshold的标签，是拼写错误或者某一个特殊的领域导致，对于拼写错误的标签不得推荐给用户，而对于特殊领域的软件对象，由开发者自行创建标签；/n步骤2：为步骤1中的软件对象创建索引，保存对象描述中的词，称为词典，每个词都指向包含该词的文档链表，此文档链表称为倒排表；也就是对步骤1中集合内的软件对象创建索引，利用软件对象描述中的词创建词典，并且对于每个词，创建一个链表，链表的每一个节点存放描述中包含该词的软件对象的索引以及该词在节点对象中频数；/n步骤3：根据公式计算出给定的软件对象和步骤1集合中软件对象的相似得分，并取其中相似度最高的若干个软件对象构成候选集合，具体是通过公式