关键词：标签推荐 张量因子分解 权重 聚类 

摘要：标签推荐的现有方法忽视了多种属性特征之间的联系,无法保证大数据环境下推荐系统的准确率。针对该问题,提出了一种基于用户聚类和张量分解的新标签推荐方法,以进一步提高标签推荐的质量。该方法首先对一些对产品具有重要影响的用户进行聚类,然后根据用户、产品、标签和产品评分之间的多元关系综合计算总权重。最后,根据聚类之后的用户群体以及多元关系的总权值构建张量并进行张量因式分解。实验与传统张量分解方法相对比,结果表明提出的方法在准确率上具有一定的提高,验证了算法的有效性。

计算机应用研究杂志要求:

{1}注释与参考文献：注释是对论文中某一特定内容的解释或补充说明，用带圈数字注于当页页脚；参考文献是论文中引用的观点、数据和材料等内容的出处，用带方括号的数字（如[]）按顺序编码标明，并与文末编码对应。

{2}引言应简明扼要介绍本文研究的领域，国内外目前研究的近期结果与趋势，存在的问题；本文研究的理论依据，历史背景，研究的设想、思路、要解决的具体问题，创新点（重要）和预期目的及意义。

{3}来稿须为学术论文，内容应在本刊用稿范围内。来稿应结构完整，包括标题、作者信息、摘要、关键词、正文和参考文献等部分。

{4}作者介绍主要包括：作者姓名，工作单位（+职务），技术职称，主要研究方向。

{5}一般三至四级标题为宜，不超过五级。正文字号字体均为五号宋体，行间距为固定值20磅。一级标题应加黑居中。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社