随着互联网社交媒体的广泛应用，用户复杂的社交行为催生出具有用户社会属性特征的社会化网络。推荐系统作为一种解决信息过载的有效技术，将社会化网络的理论和方法应用于其中，构建面向社交媒体的推荐系统——社会化信息推荐，正逐渐成为当前学术界和产业界共同关注的热点问题。社会化信息推荐是在传统信息推荐系统的基础上，把用户或者项目的社会化属性(如标签信息、朋友关系和信任关系等)作为重要的影响因素融合到推荐方法中，以提升信息推荐的精度和性能[1]。因此，分析和挖掘社会化网络中的用户社会关系，将用户社会属性作为一个维度引入信息推荐系统中将推动推荐技术的发展，属于社会计算的范畴。其中，社会网络分析(Social Network Analysis，SNA)是社会化网络理论中一个重要方法，可以精准地分析社交媒体中广泛存在的用户或者信息资源的社会化关系，基于社会化网络分析的社会化网络为实现个性化的信息推荐服务提供了高质量的数据来源，同时也启发了信息推荐新的解决思路，具有较好的研究和应用价值。
本章首先介绍社会化推荐系统的概念、研究现状和基本模型；在此基础上的研究内容包括:①针对目前文献管理软件无法识别用户潜在研究兴趣从而进行个性化推荐的现状，提出一种基于主题的社会化推荐模型。该模型首先通过基于内容的个性化过滤方法识别用户的主题偏好，然后利用社会网络分析(SNA)方法识别学术网络中有影响力的文献，进而为目标用户产生精准的文献推荐服务。②提出一种面向知识网络社区的基于声誉的社会化信息推荐模型，该模型通过研究科学网中用户的行为，在标准协同过滤推荐的基础上探究声誉的发展机制，并模拟用户的打分过程，利用信任来改进用户评分；同时研究用户声誉在资源选择过程中的作用，与项目的声誉结合来解决同质资源泛滥的问题。实验结果显示本节提出的基于声誉的协同过滤推荐方法能更准确地反映用户偏好情况和资源的质量，从而提高推荐的准确率。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
