基于LDA主题模型的标签推荐方法研究

基于LDA主题模型的标签推荐方法研究〔摘要〕针对现有的标签推荐方法存在的推荐准确率不高与效果不理想等问题，本文提出了基于LDA主题模型的社会化标签推荐方法。该方法利用LDA主题建模技术将传统的基于对象间关系的推荐方法扩展到交融对象间关系与资源内容特征的统一推荐。实验结果说明，该方法获得了理想的预期效果，可以显著进步标签推荐的质量与效果。〔关键词〕标签推荐；LDA主题模型；推荐方法DOI：10.3969/j.issn.1008-0821.2022.02.010〔中图分类号〕G203〔文献标识码〕A〔文章编号〕1008-0821〔2022〕02-0053-04〔Abstract〕ThispaperproposesasocialtaggingremendationmethodbasedonLDAtopicmodeltosolvetheproblemsofaccuracyandeffectinexistingtaggingremendationmethod.ThismethodextendsthetraditionaltaggingremendationmethodbasedontherelationofobjectstobineanalysisoftherelationofobjectsandthecontentofresourcebyusingofLDAmodelingtechnology.Theexperimentresultshowsthatthismethodsgetsagoodexpectantperformanceanddramaticallyimprovethequalityandefficiencyoftaggingremendation.〔Keywords〕taggingremendation；LDAtopicmodel；remendationmethod标签作为Web2.0时代信息分类与索引的重要组织方式，其主要原因在于Web2.0强调以用户为中心、用户参与的互联网开放式架构理念，网络信息的产生、发布从传统的网站管理者转移到普通的网络用户身上；但由于普通用户对专业的信息分类体系缺乏理解，基于传统的固定分类体系的信息组织方法难以适应Web2.0时代的信息发布与组织形式。标签系统作为传统分类方法的替代，其随意、灵敏、无等级划分的特征使得用户可以很容易利用该系统进展Web2.0上的信息分类与组织，成为Web2.0时代网络信息的重要组织方式[1]。随着社会化标注系统的快速开展，用户在使用这类系统进展资源标注时，通常会选择其他用户或自己已使用过的标签进展资源推荐，而由于社会化标签创立的随意性和个性化，难以保证标签的准确性和可用性，且随着用户数量和资源规模的增长，标签数量也随之增多，致使标签系统中存在大量模糊的、可信度低的标签。为解决这些问题，目前的研究主要集中在标签推荐领域，即利用高效的标签推荐方法提升资源所附带标签的质量[2]。现有的标签推荐方法主要分为3类：〔1〕基于资源内容的标签推荐方法。基于资源内容的标签推荐方法从标注资源所具备的属性特征出发，通过提取描绘资源内容的关键词作为标签推荐的根据。由于该方法在处理过程中仅仅利用了资源本身的信息，没有兼顾相似资源、邻居用户等信息，无法发挥标签的社会化特性，在实际运用过程中的准确率与效率并不理想[3]。〔2〕基于协同过滤的标签推荐方法。基于协同过滤的标签推荐方法利用协同过滤技术获取相似资源、邻居用户等标签信息，实现对目的资源的推荐，如Hotho等[4]提出的FolkRank方法利用社会化标注系统中用户、标签、资源三者之间存在的关联信息对标签进展排序，根据排序结果进展协同推荐；Mishne[5]提出的AutoTag方法利用相似度计算获取与目的资源内容相似的资源，并将相似资源的标签进展聚类、排序，根据排序结果实现协同推荐。这类方法的关键是准确获取相似资源的标签信息，然后从已有的标签库中查找到相似标签进展推荐，故该方法的推荐效果会受到候选标签库规模、标签相似度计算方法准确度的影响[6]。〔3〕基于标签语义的标签推荐方法。基于标签语义的标签推荐方法利用用户、标签、资源三者之间蕴含的语义关系获取推荐标签所需的知识并运用到推荐任务中，进步标签推荐的准确性与推荐效果，如Adrian[7]提出的ConTag方法将本体思想运用到标签推荐之中，通过将用户、标签、资源三者之间的关系表达成RDF格式进展文档主题建模，实现基于语义主题的标签推荐；Marchetti等[8]提出的Semkey方法将语义网与协同过滤技术相结合进展基于语义协作的标签推荐。这些标签推荐方法在一定程度上进步了标签推荐的准确性与效率，改善了社会化标签系统的质量和效果。但这些方法主要利用对象间关系进展标签推荐，忽略了资源本身的特征信息，当用户、标签、资源之间的关系比拟稀疏时，会严重制约标签推荐的准确度与效果。针对这些问题，本文研究和设计了一种基于LDA〔LatentDirichletAllocation，LDA〕主题模型的标签推荐方法。该方法综合考虑用户、标签、资源之间的潜在关系及资源内容特性，利用LDA主题模型将用户、标签、资源及资源内容进展关联，实现标签系统中对象间关系与资源内容的交融分析与综合推荐。1LDA主题模型原理LDA主题模型是一个以“文档-主题-关键词〞为层次构造、通过参加Dirichlet先验分布来解决PLSA主题模型中存在的过拟合现象的三层贝叶斯概率模型，其根本思想是[9]假设任何文本都可以表示成一系列主题的混合分布，记为P〔z〕；同时任意主题都是关键词列表中所有单词的概率分布，记为P〔wz〕，那么一个文本中每个关键词的概念分布为：P〔wi〕=∑kj=1P〔wizi=j〕P〔zi=j〕LDA主题模型认为文档是假设干关键词的集合，在构建主题模型过程中不考虑任何语法或词语出现的顺序关系，利用该模型产生文档的贝叶斯网络图如图1所示。图1中，随机变量θ表示目的文档中的主题分布向量，隐含变量z表示目的文档分配在每个关键词上的N维主题向量，用来表达文档与关键词之间的潜在关系，w表示目的文档中关键词的向量表示，α、β分别表示文档和关键词满足相应的Dirichlet分布时的参数。利用LDA模型进展文档主题建模时的核心问题是估计隐含变量的概率分布情况，即获取目的文档中隐含主题分布和各隐含主题的关键词分布，其处理过程描绘如下：〔1〕获取文档d中每个主题发生的概率θd，即抽取服从Dirichlet〔α〕分布的θd值，其中α是Dirichlet分布的参数；〔2〕获取文档d中每个关键词wi的抽样主题zi，即从θd的多项式分布中抽取满足条件的zi：P〔ziα〕；〔3〕获取文档d中所有关键词的向量表示wi，即从zj的多项式分布中抽取满足条件的wi：P〔wizj，β〕。上述处理过程中，β主要用来描绘特定主题条件下生成的某个关键词的概率，是以主题数目K和特征关键词V组成的二维向量空间为表现形式，即β=K×V，且βij=P〔wj=1zi=1〕。对于给定的语料库D，LDA主题建模过程就是通过z和θ的值获取使得P〔Dα，β〕极大化时参数α和β的值，通过这些参数值得到文档的主题分布情况以及所有关键词所属的主题类别。由于z和θ均为潜在变量，通过直接计算是无法得到的，常用的方法是通过吉布斯抽样、变分贝叶斯、最大似然估计等方法进展参数估计[10]。2基于LDA主题模型的标签推荐方法将LDA主题模型运用到社会化标签推荐方法中的典型研究包括Harvey等[11]提出的基于LDA主题建模的TTM方法，该方法将标签系统中的用户、标签、资源分别构建相应的主题模型，使其可以估计用户与资源的主题分布情况以及标签关键词的主题分布；Subram等[12]将资源的相似性视为依条件概率的随机过程，并将其融入到标签主题的建模中，在此根底上提出了基于RegularizedLDA主题建模的标签推荐方法，验证了LDA主题模型在标签推荐方面具有很好的可扩展性。本文在这些研究的根底上，将LDA主题模型融入社会化标签推荐方法之中，研究和设计了基于LDA主题模型的社会化标签推荐方法。本文方法与这些已有方法的区别主要表达在本文方法将社会化标注系统中的用户、标签、资源及资源内容特征进展交融分析，构建统一的LDA主题模型，使标签推荐从传统的分析对象间关系扩展到交融关系与资源内容特征的综合分析，实现基于关系与内容特征的主题建模与推荐，该方法的贝叶斯网络图如图2所示。图2中，D表示文档资源的总数，N表示文档资源中资源内容特征关键词的总数，M表示资源标签中关键词的总数，K表示所有文档资源中包含的主题总数，L表示所有标签中包含的主题总数。利用该模型进展主题建模的过程如下：〔1〕针对任意文档资源di，抽取服从Dirichlet〔α〕分布的θci和θti，其中，θci表示文档资源di中主题为k的概率，主要针对文档资源本身内容特征获取主题；θti表示文档资源di的标签中关键词的主题为l的概率，主要针对文档资源标签中的关键词获取主题；〔2〕针对文档资源本身内容特征，选取服从Dirichlet〔β〕分布的δk，其中，δk表示对于给定的主题k，所能得到的所有资源特征关键词的概率；针对文档资源标签中的关键词，选择服从Dirichlet〔β〕分布的φl，其中，φl表示对于给定的主题l，所能得到的所有标签关键词的概率；〔3〕针对文档资源di中的所有内容特征关键词，根据抽取的θci得到相应的主题zc，再根据δzc选择主题词wc；针对文档资源di标签中的所有标签关键词，根据抽取的θti得到相应的主题zt，再根据φzt选择主题词wt。针对上述过程中出现的参数，本文采用吉布斯抽样方法[13]进展参数学习，并通过将文档资源内容和资源标签进展分割成独立的文档单元实现参数估计，相应的参数估计方法为：上述公式中各变量的含义如表1所示：3实验与结果分析本文采用比照实验法来检验所提出的基于LDA主题模型的标签推荐方法的准确性与效果。3.1实验数据来源实验数据选自美国Minnesota大学计算机科学与工程学院的GroupLens工程组搜集的MovieLens10M100K数据集[14]。该数据集含有movies.dat、ratings.dat、tags.dat3个文件，其中，movies.dat文件主要存储电影的编号ID、名称Title和类别Genres信息，ragings.dat文件主要存储用户对电影的评分Rating和评分时间Timestamp信息，tags.dat文件主要存储用户对电影标记的标签Tag和标记时间Timestamp信息。3.2实验环境与测评指标实验环境为处理器为Inter〔R〕Core〔TM〕4CPU44002.0GHz，内存4G，硬盘500G，操作系统为Windows7，编程语言为Java〔JDK1.6.2〕。实验测评指标选择标签推荐领域常用的推荐准确率〔Precision，P〕、推荐召回率〔Recall，R〕、F1值，其计算方法为：P=TPTP+FP，R=TPTP+FN，F1=2PRP+R其中，TP表示推荐结果与人工评价都认为应该具有的标签数量，FP表示推荐结果具有但人工评价认为不该具有的标签数量，FN表示推荐结果没有但人工评价认为应该具有的标签数量。3.3实验过程与结果本文选择标签推荐领域常用的FolkRank方法、Hosvd-Direct方法、TTM方法作为参照方法进展比照实验。实验结果如表2所示。3.4实验结果分析通过上述实验结果可以看出，本文提出的基于LDA主题模型的标签推荐方法在推荐准确率、推荐召回率、F1值等测评指标上的结果值明显优于现有的标签推荐方法，可以在实际运用过程中提供更好的标签推荐效劳。其主要原因在于本文方法综合运用用户、标签、资源及资源内容特征进展统一主题建模，可以在传统的基于对象关系分析的推荐方法的根底上融入资源内容特征，实现基于对象关系和内容特征的综合推荐，故可以获得比传统推荐方法更好的实验效果。通过将每个主题下的标签按照概率进展降序排列，同时记录各主题下的标签集，可以得到该主题的直观标签表示，表3给出了其中5个主题的前8个推荐标签。4完毕语标签是Web2.0时代信息分类与组织的重要方式，是以用户为中心、用户参与创立互联网内容的主要表现形式。本文针对现有的标签推荐方法存在的推荐准确性不高和推荐效果不理想等问题，提出了基于LDA主题模型的社会化标签推荐方法。该方法利用LDA主题建模技术将社会化标注系统中的用户、标签、资源及资源内容特征进展统一主题建模，将传统的基于对象间关系的推荐扩展到基于对象间关系和资源内容特征的综合推荐。通过在真实的测试数据集上进展实验后说明，交融对象间关系与资源内容特征的推荐方法明显优于现有的标签推荐方法，可以显著地进步标签推荐的质量和效果。参考文献[1]张斌，张引，高克宁，等.交融关系与内容分析的社会标签推荐[J].软件学报，2022，23〔3〕：476-488.[2]SeitlingerP，KowaldD，TrattnerC，etal.Remendingtagswithamodelofhumancategorization[C].Proceedingsofthe22ndACMinternationalconferenceonConferenceoninformationknowledgemanagement.ACM，2022：2381-2386.[3]王海雷，俞学宁.基于随机游走算法的社会化标签的用户推荐[J].计算机工程与设计，2022，34〔7〕：2388-2391.[4]HothoA，JaschkeR，SchmitzC.InformationRetrievalinFolksomomies：SearchandRanking[M].Berlin：Springer，2022：411-426.[5]MishneG.AutoTag：ACollaborativeApproachtoAutomatedTagAssignmentforWeblogPosts[C].Proceedingsofthe15thInternationalConferenceonWorldWideWeb，2022：953-954.[6]赵亚楠，董晶，董佳梁.基于社会化标注的博客标签推荐方法[J].计算机工程与设计，2022，33〔12〕：4609-4613.[7]AdrianB，SauermannL，Roth-BerghoferT.Contag：ASemanticTagRemendationSystem[J].JournalofUniversityputerScience，2022，36〔7〕：297-304.[8]MarchettiA，TesconoM，RonzanoF.SemKey：ASemanitcCollaborativeTaggingSystem[C].Proceedingsofthe16thInternationalConferenceonWorldWideWeb，2022：8-12.[9]BleiDM，NgAY，JordanMI.LatentD