文档网络中的半度量行为及其在推荐系统中的应用
信息检索
2007-05-23 v1 无序系统与神经网络
统计力学
人工智能
数字图书馆
人机交互
多智能体系统
摘要
文档网络 (Document Networks, DN) 如万维网 (World Wide Web, WWW) 和数字图书馆的推荐系统，常使用从文档与关键词之间关系中提取的距离函数。例如，WWW 上的文档通过超链接网络相互关联，而文献数据库中的文档则通过引用和合作网络相连。此外，文档也与关键词相关联。由这些关系计算得到的距离函数在 DN 的项目之间建立了关联网络，称为距离图 (Distance Graphs)，使推荐系统能够为单个用户识别相关关联。然而，现代推荐系统需要整合来自多个来源的关联数据，例如不同的数据库、网站甚至其他用户。于是，我们面临将来自不同来源（ characterized by distance functions ）的证据关于项目之间关联进行整合的问题。本文描述了我们关于 (1) 推断并表征半度量距离图以及 (2) 在推荐系统中整合来自不同距离图的证据的工作。关于 (1)，我们提出了半度量距离图的概念，并引入比率来衡量半度量行为。我们对数字图书馆和网站等多个 DN 计算这些比率，并表明它们有助于识别隐式关联。关于 (2)，我们描述了一个整合距离图证据的算法，该算法使用证据集 (Evidence Sets) 这种基于区间型模糊集和证据理论 (Dempster-Shafer Theory of Evidence) 的集合结构。该算法已用于名为 TalkMine 的推荐系统。
引用
@article{arxiv.cs/0309013,
title = {Semi-metric Behavior in Document Networks and its Application to Recommendation Systems},
author = {L. M. Rocha},
journal= {arXiv preprint arXiv:cs/0309013},
year = {2007}
}