基于社会化标签的推荐系统

《基于社会化标签的推荐系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于社会化标签的推荐系摘要随着现代互联网的发展，互联网中的数据每天都以巨大的规模增长着。人们越来越困难的从这海量的数据中找到所需的资源，这里就需要各个网站给用户推荐。而标签技术的出现给个性化推荐带来了新的机遇。社会化标签是一种准确、灵活、开放、有趣的分类方式，是由用户为自己的文章、图片、音频、视频等一系列文件所定义的一个或多个描述。通过对社会化标签的使用来给用户提供优质的选项，以使用户在海量的数据中找到心满意足的信息。关键字：海量数据，社会化标签AbstractWiththedevelopmentoftheInternet,thedataintheinterneteverydaytog

2、rowahugescale.Peopleincreasinglydifficulttofindrequiredresourcesfromthevastamountsofdata,whereeachsiteisrequiredtorecommendtotheuser.Thelabelappearstopersonalizedrecommendationtechnologybringsnewopportunities.Socialtaggingisanaccurate,flexible,open,interestingclassification,whichdefineddescripti

3、onfortheirarticles,images,audio,videoandaseriesofdocuments.Throughtheuseofsocialtagging，wecanprovidetheuserwithhigh-qualityoptiontoenableuserstofindinformationcontentedlyinvastamountsofdata.Key:Hugeamountsofdata,socialtagging1绪论本章主要介绍的是关于社会化标签推荐系统研究的背景，国内外研究的状况和本文研究的方向。1.1研究背景和意义1.1.1研究背景近些年来，bl

4、og、wiki、spaces的兴起导致互联网内容的提供方式出现转变；用户创造内容的web2.0时代的到来，带动着视频应用、网络游戏、搜索引擎等互联网衍生业务迅速发展。互联网正处于一个信息爆炸的时代,越来越多的信息被数据化。面对信息爆炸的互联网，如何对这些海量数据进行分类存储和处理，是对那些大规模互联网企业提出了巨大的技术挑战。标签系统在这种环境下应运而生，在以用户为中心的Web2．0环境中，标签系统允许任意用户对感兴趣的网络资源进行无约束的标注，所有用户的标注都互为可见，这种开放的、共享的模式体现了以人为本的Web2．0理念，同时也为新环境中信息资源组织、推荐和共享带来了新的机遇。虽然

5、用户标注这个过程的本身非常简单，但是却有着很重要的意义。首先，用户标注反映了他们对网络资源的不同视角和理解，丰富了描述资源的多维角度；再次，标签系统能更好的为用户组织资源、浏览资源提供帮助。相比较之前的系统大多是依靠少数领域专家对资源进行科学分类，这种方法虽然比较科学和权威，但是不能很好的表达用户的个人想法和观点。而标签系统利用标签将网络资源按照用户的视角进行分类，能够更好的为用户组织资源、浏览资源提供帮助。最后，标签系统通过标签将用户和资源连接起来，通过三者的动态关系，可以分析出用户的兴趣偏好。例如，为同一项目资源标注相同标签的用户，很有可能具有共同的兴趣偏好，这对在标签系统中根据用

6、户兴趣进行推荐提供了很好的基础。总之，标签系统充分发掘了用户的积极性，使之参与到系统中来，发挥了广大用户所贡献的智慧和由用户联系形成的群体智慧的影响，解放了用户创作和贡献的潜能。用户在标注网络资源时，不但更加准确客观的反应资源的相关特征，而且为个性化推荐服务带来了至关重要的数据源。结合标签系统的标签推荐系统，相比较传统的个性化推荐系统可以更加准确的获取用户的特征，为用户获取其“量身定做"的信息。从GoogleNews、Amazon、豆瓣、MovieLens等网站看，越来越多的网站已经慢慢开始在利用标签信息进行个性化推荐系统的摸索与应用，以此给用户带来更好的用户体验，从而提高网站流量及用

7、户忠诚度和依赖度。1.1.2研究意义20世纪90年代中期，个性化推荐研究作为一个独立的概念被提出来，由于巨大的应用需求，推荐系统自提出以来得到了学术界和企业界的广泛关注。美国计算机协会多次把个性化推荐系统作为研讨主题，而国内外期刊也纷纷将推荐系统作为研究专题，明尼苏达大学教授JohnRiedl说：“推荐系统将成为未来十年里最重要的变革，社会化网站将由推荐系统所驱动”llJ。由于个性化推荐系统的良好发展和广阔的应用前景，目前，几乎所有大型电子商务