Graph-Based Recommendation System Enhanced with Community Detection

要約

多くの研究者は、タグ情報を使用して、レコメンダー システムにおける推奨技術のパフォーマンスを向上させてきました。
ユーザーのタグを調べることで、ユーザーの興味を把握し、レコメンデーションの精度を高めることができます。
ユーザー定義のタグは制限なく自由に選択されるため、タグの正確な意味とタグの類似性を判断する際に問題が発生します。
ただし、シソーラスとオントロジーを使用してタグの意味を見つけることは、ユーザーによる自由な定義と多くのデータセットで異なる言語が使用されているため、あまり効率的ではありません。
したがって、この記事では、数学的および統計的手法を使用して字句の類似性を決定し、意味上の類似性を割り当てるための共起タグのソリューションを決定します。
一方、ユーザーの興味は時間の経過とともに変化するため、本稿ではタグの類似性を判定するために、共起タグにおけるタグの付与時期を考慮しました。
次に、タグの類似性に基づいてグラフが作成されます。
ユーザーの興味をモデル化するために、タグのコミュニティはコミュニティ検出方法を使用して決定されます。
そのため、タグのコミュニティとリソース間の類似性に基づいた推奨が行われます。
提案された手法のパフォーマンスは、2 つの公開データセットの評価を通じて、精度と再現率の 2 つの基準を使用して評価されました。
評価の結果、提案手法は他の手法に比べて精度と再現率が大幅に向上していることがわかりました。
実験結果によると、再現率と精度の基準はそれぞれ平均して 5% と 7% 向上しました。

要約(オリジナル)

Many researchers have used tag information to improve the performance of recommendation techniques in recommender systems. Examining the tags of users will help to get their interests and leads to more accuracy in the recommendations. Since user-defined tags are chosen freely and without any restrictions, problems arise in determining their exact meaning and the similarity of tags. However, using thesaurus and ontologies to find the meaning of tags is not very efficient due to their free definition by users and the use of different languages in many data sets. Therefore, this article uses mathematical and statistical methods to determine lexical similarity and co-occurrence tags solution to assign semantic similarity. On the other hand, due to the change of users’ interests over time this article has considered the time of tag assignments in co-occurrence tags for determining similarity of tags. Then the graph is created based on similarity of tags. For modeling the interests of the users, the communities of tags are determined by using community detection methods. So, recommendations based on the communities of tags and similarity between resources are done. The performance of the proposed method has been evaluated using two criteria of precision and recall through evaluations on two public datasets. The evaluation results show that the precision and recall of the proposed method have significantly improved, compared to the other methods. According to the experimental results, the criteria of recall and precision have been improved, on average by 5% and 7% respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google