基于标签主题的协同过滤推荐算法研究

　　传统基于标签的推荐算法仅考虑用户的评分信息，导致推荐准确度不高。为解决该问题，提出一种改进的协同过滤推荐算法。对用户一标签矩阵、资源一标签矩阵进行潜在Dirichlet分布建模，发掘推荐系统中的潜在语义主题，从语义层面计算用户对各资源的偏好概率，将计算出的偏好概率与协同过滤算法计算出的资源相似度相结合，预测用户偏好值，实现个性化推荐。在Movielens数据集上的实验结果表明，与传统基于标签的推荐算法相比，该算法能消除标签中存在的同义词、多义词等语义模糊问题，同时提高推荐准确度。