久别重逢：标签重用概率作为频率和新近度的函数
信息检索
2013-12-19 v1
摘要
在本文中，我们引入了一种标签推荐算法，该算法模拟人类利用长期记忆中项目的方式。该方法利用先前标签分配的频率和新近度来估计重用特定标签的概率。利用从 BibSonomy、CiteULike 和 Flickr 的书签中收集的三个真实世界大众分类法 (folksonomies)，我们展示了添加时间依赖分量如何优于传统的“最流行标签”方法以及另一种现有且非常有效但理论驱动较少的时间依赖推荐机制。通过将我们的方法与简单的资源特定频率分析相结合，我们的算法优于其他成熟算法，如 FolkRank、成对交互张量分解和协同过滤。我们得出结论，我们的方法提供了一个准确且计算高效的用户时间标签行为模型。我们展示了如果考虑人类记忆过程，如何设计和实施有效的信息检索原则。
引用
@article{arxiv.1312.5111,
title = {Long Time No See: The Probability of Reusing Tags as a Function of Frequency and Recency},
author = {Dominik Kowald and Paul Seitlinger and Christoph Trattner and Tobias Ley},
journal= {arXiv preprint arXiv:1312.5111},
year = {2013}
}