一种基于标签的电影组推荐方法

熊聪聪，林 颖，史艳翠，冯 阔

(天津科技大学人工智能学院，天津 300457)

当今互联网发展迅速，同时互联网信息量以爆炸式的速度增长，而这种信息量对用户个人搜索而言异常困难，互联网用户需要花费大量时间去筛选符合条件的信息.推荐系统成为如何从众多信息中筛选出符合用户需要信息的方法之一.传统推荐系统通过分析个人行为推荐，而现在社交网络中，用户不仅不是孤立的而且极有可能还与其他用户存在大量的关系.在影视作品中，用户会自主地根据观看内容为电影标记符合内容的标签.标签作为电影最重要附属信息，同时也是用户对电影最直观的感受，因此标签可用于提取用户行为首选项.大多数用户有时会与朋友和家人一起观看电影，需要考虑群组成员观看的电影类型.

为了解决上述推荐问题，对群组推荐问题提出相关研究.目前，部分组推荐在用户评分预测中直接使用聚类方法对用户进行分类，这样用户的相似度仅依赖用户评分矩阵，而部分组推荐则是挖掘分组之前用户间的相似度信息[2].这样对于标签的信息量挖掘不足，标签只是作为评分矩阵的附加信息，起到较小的作用.例如，郑剑等[3]将标签信息加入到项目相似度的计算过程中，随后融入到矩阵分解.研究人员可以通过构建用户、项目、标签的三维张量，挖掘数据之间的潜在关系.例如，杨林等[4]利用标签惩罚机制和用户评分构建张量；曾……