2、基于标签关联模型的节目推荐算法解析

基于标签关联模型的节目推荐算法解析

1. 标签因子计算与归一化

在节目推荐中，标签是一个重要的元素。标签的相关因子可以通过对应时间的处理来获得。以标签 tagM 的数值计算为例，其计算公式如下：
[
factor =
\begin{cases}
\frac{timelongM - timelong}{timelongM} + 1, & timelongM \neq 0 \
1, & timelongM = 0
\end{cases}
]
其中， timelong 是每个标签对应时间的平均值，计算公式为：
[
timelong = \frac{\sum_{i = 1}^{M} timelongi}{M}
]
通过上述公式计算出的因子大多大于 0，但对于一些时间值极小的标签，因子值会小于 0；若用户在某些标签上花费大量时间，因子值会远大于 1。这些特殊情况不利于保留原始的标签 - 标签关联，因此需要对因子的数值进行进一步处理。因子归一化的公式如下：
[
realfactor =
\begin{cases}
factor, & factor \in [0.01, 1.99] \
0.01, & factor \in [-1, 0.01) \
1.99, & factor \in (1.99, 1]
\end{cases}
]
通过这种方法，每个用户可以得到对应其观看偏好的标签因子，这些因子的值被限制在 0.01 到 1.