一种基于谱聚类和众包技术的图书标签推荐方法
【技术领域】
[0001] 本发明属于基于谱聚类和众包技术的图书标签推荐技术，涉及一种基于谱聚类和 众包技术的图书标签推荐方法。
【背景技术】
[0002] 随着互联网信息的不断增多，信息呈现爆炸式增长，对信息合理高效的归类成为 信息有效利用的关键。传统的归类方法主要通过人工的方式进行，而在海量信息的前提下， 此种信息归类的方式已经难以为继，因而逐渐出现了以标签为核心的新型信息归类方式， 并已经成为互联网应用的关键。在数字图书馆系统当中，标签主要来自图书信息，同时在用 户使用系统的过程中，用户的检索词、图书标引信息也可以作为一种标签加入到系统当中， 并以标签为纽带拉近用户与图书的关系，提升用户发现图书的效率。
[0003] 同时，对于海量数据的应用，推荐系统得到越来越多的关注。用户获取信息的方式 由全网式信息检索到领域知识的垂直检索，再到当前的推荐系统，信息的获取速度不断的 加快，针对不同用户的信息个性化不断提高，推荐系统在系统可用性方面的贡献日益显著。 聚类算法是数据挖掘的关键方法，在推荐系统中聚类算法用来实现对物品、用户的聚类，并 通过算法的迭代运行来优化聚类的效果。
【发明内容】
[0004] 本发明的目的在于针对现有推荐系统对检索词利用的不足，提供一种用于数字图 书馆上基于谱聚类和众包技术的图书标签推荐方法。
[0005] 本发明的目的是通过以下技术方案来实现的：一种基于谱聚类和众包技术的图书 标签推荐方法，包括以下步骤：
[0006] (1)从日志收集系统或者Web日志中筛选出用户的检索数据和检索点击数据；
[0007] (2)利用用户的检索数据和检索点击数据，构建检索词-图书矩阵，根据检索 词-图书矩阵得到检索词-检索词的Laplacian矩阵；
[0008] (3)使用谱聚类对Laplacian矩阵进行聚类操作，得到检索词的聚类结果；
[0009] (4)利用众包技术对步骤3所得到的聚类结果进行持续的优化；
[0010] (5)将用户过去的检索记录与步骤4优化后的聚类结果进行映射，利用映射后的 聚类结构作为标签推荐给用户。
[0011] 进一步地，所述步骤2具体为：从用户的检索数据中得到所有用户的检索词集合Q ={qi，q2,…，qn}，其中η为检索词的总数，q为独立检索词；从用户的检索点击数据中得到 检索词点击的图书集合B = Ib1, b2，…，bm}，其中m为点击图书的总数，b为独立的图书；根 据所有用户的检索词集合Q和检索词点击的图书集合B得到检索词-图书矩阵M，对于检索 词-图书矩阵M的每一项，定义如下：
[0012]
[0013] 其中L为第i个检索词和第j本书的对应关系；针对每一本图书，如果有多个检 索词均对这本书存在点击行为，那么这些检索词之间存在联系，根据检索词之间的联系构 建检索词-检索词矩阵D，对于检索词-检索词矩阵D的每一项，如果两个检索词之间存在 联系则为1，否则为0 ;通过把检索词-检索词矩阵D的每一列元素相加得到的值置于对角 线上，其它位置设为0,从而构成新的矩阵W ;Laplacian矩阵L通过公式L = D-W求出。
[0014] 进一步地，所述步骤3具体为：对于谱聚类算法，选定的目标函数RatioCut为：
[0015]
[0016] 其中k为聚类的个数，Ai表示第i个聚类结果，IAiI表示第i个聚类结果中的检 索词数量，^表示除去Ai之外的其它聚类结果集合，W(Apf)表示第i个聚类结果与其 他聚类结果的权重之和，eut(Ap&)的计算公式为
其中W(a，b) 为聚类结果a与聚类结果b的权重；根据Laplacian矩阵L的性质推出最小化目标函数 RatioCut等价于最小化Laplacian矩阵，从而使用SVD矩阵分解的方法实现对Laplacian 矩阵的降维，使用K-mean聚类算法完成对降维后的Laplacian矩阵的聚类操作。
[0017] 进一步地，所述步骤4具体为：将步骤3得到的检索词的聚类结果中检索词对应的 用户作为众包的选定用户，通过发送邮件的方式将聚类的结果发送给选定用户，选定用户 的反馈定义为：
[0018]
[0019] 其中，Query表示一个检索词，正反馈表示用户认为该检索词符合所在聚类结果的 主题，负反馈表示用户认为该检索词不符合聚类结果的主题，零反馈表示该检索词难以判 断是否符合主题；根据选定用户对一个聚类结果的反馈信息，对该聚类结果进行以下三种 不同方式的处理：
[0020] (a)选定用户的反馈信息表明该聚类可以很好的表明某一个主题，其具体体现在 两个方面：一方面是负反馈结果少于正反馈结果，另一方面是用户的反馈信息不存在彼此 矛盾的情况；在这种情况下，删除聚类结果中的负反馈，保留正反馈和零反馈的检索词；
[0021] (b)选定用户的反馈信息混乱，难以表明该聚类效果的优劣，其具体表现为多名用 户对相同检索词的反馈信息不同甚至相反；该种情况下，意味着当前选定用户的反馈信息 尚不足以对该聚类进行判断，因而需要引入新的用户，重新众包任务分发操作；
[0022] (C)选定用户的反馈信息表明该聚类不具有明确的主题，具体表现为在选定用户 的反馈中超过50%的检索词的反馈信息不同或相反；在这种情况下，直接将该聚类结果删 除。
[0023] 本发明的有益效果是：该方法利用谱聚类对用户的检索词信息进行聚类，并使用 众包技术对聚类的结果持续的优化，最终实现利用检索词提高图书标签推荐的效果。本发 明在聚类结果的基础上，提出了通过使用众包技术来实现对聚类结果进行优化的目的，通 过收集多个用户对聚类结果的反馈信息来判断并优化聚类的结果，并将聚类的结果应用到 推荐系统当中。
【附图说明】
[0024] 图1是本发明基于谱聚类和众包技术的图书标签推荐方法的流程图。
【具体实施方式】
[0025] 下面结合附图对本发明作进一步详细说明。
[0026] 如图1所示，本发明一种基于谱聚类和众包技术的图书标签推荐方法，包括以下 步骤：
[0027] (1)从日志收集系统或者Web日志中筛选出用户的检索数据和检索点击数据；
[0028] (2)利用用户的检索数据和检索点击数据，构建检索词-图书矩阵，根据检索 词-图书矩阵得到检索词-检索词的Laplacian矩阵；具体为：从用户的检索数据中得到 所有用户的检索词集合Q = {Ql，q2, . . .，qn}，其中η为检索词的总数，q为独立检索词；从用 户的检索点击数据中得到检索词点击的图书集合B= Ibpb2,. ..，bj，其中m为点击图书的 总数，b为独立的图书；根据所有用户的检索词集合Q和检索词点击的图书集合B得到检索 词-图书矩阵M，对于检索词-图书矩阵M的每一项，定义如下：
[0029]
[0030] 其中Iu为第i个检索词和第j本书的对应关系；针对每一本图书，如果有多个检 索词均对这本书存在点击行为，那么这些检索词之间存在联系，根据检索词之间的联系构 建检索词-检索词矩阵D，对于检索词-检索词矩阵D的每一