在线百科间的标签推荐算法
信息社会中在线百科已成为人们获取知识的重要途径，而在线百科的标签系统作为其重要组成部分，不仅可以帮助人们在浏览某张页面时获取其他相关页面的信息，而且对于海量文本分类，以及提高在线百科检索系统的检索效率都有很大帮助.充分利用在线百科页面间的链接关系，提出了一种基于页面间的同质性原理和向量空间模型的全新针对在线百科的标签推荐算法HVSM.该标签推荐算法具有普适性，可在不同在线百科系统间推荐标签.实验结果表明，通过与朴素推荐算法NAM进行比较，新的推荐算法可以达到更高的准确率.并且通过对实验数据进行分析，得到了若干有益的结论，为今后的研究工作奠定了基础.
在线百科系统 标签推荐算法 信息处理 同质性原理 向量空间模型
LIU Kuo 刘阔 YAO Shuyang 姚舒扬 DENG Zhihong 邓志鸿
Department of Computer Science, School of Electronics Engineering and Computer Science, Peking Unive 北京大学信息科学技术学院计算机系,北京10087l Department of Machine Intelligence, School of Electronics Engineering and Computer Science, Peking U 北京大学信息科学技术学院智能科学系,北京100871 Department of Machine Intelligence, School of Electronics Engineering and Computer Science, Peking U 北京大学信息科学技术学院智能科学系,北京100871;北京大学信息科学技术学院机器感知与智能教育部重点实验室,北京100871
国内会议
合肥
中文
717-725
2012-10-01（万方平台首次上网日期，不代表论文的发表时间）