传统信息推荐系统主要是分析“用户—项目”二元关系，通过基于用户的历史评分数据构建用户行为偏好模型，进而帮助用户从海量的信息资源中发现感兴趣的内容，并主动推荐给用户，从而实现个性化推荐服务的目的。但是这种推荐方法受地域、情感等多维因素的影响，推荐效果将受到明显制约[2]，同时也存在着数据稀疏性、冷启动和推荐结果的可解释性等问题。
社会化信息推荐为解决传统信息推荐系统存在的问题提供了新的解决思路。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。在社会化网络中，用户之间的活动行为表现得越来越社区化和群组化，这些行为蕴含和记录着用户大量的社会属性信息。目前，学术界和产业界将社会化网络应用于推荐系统中，构建面向社交媒体的信息推荐系统——社会化信息推荐。因此，社会化信息推荐系统在传统推荐系统的基础上，基于社会化网络分析的理论和方法，将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)融合到传统的“用户—项目”二维推荐系统中，在缓解传统推荐系统中数据稀疏性和冷启动问题的同时，提高信息推荐的精度和性能。随着社交媒体的发展，社会化信息推荐系统的推荐项目不局限于普通的信息资源(如数字文献、图像和电影等)，还包括社交媒体上广泛存在的群组、好友和社会化标签等。用户社会属性信息及其社会行为数据的收集更为便捷，既包括“用户—项目”的评分数据和用户之间的社会化关系信息，也包括用户的点击、收藏和评价行为等。其中，用户社会行为不仅仅是用户个人兴趣和爱好的体现，而且在一定程度上受到与其有社会关系的其他用户的影响[3]。我们认为:社交媒体中蕴含的大量用户社会属性信息能够作为链接“用户”和“资源”的桥梁，相比单纯的“用户—资源”评分而言，蕴含着更为丰富的信息内容，能够精准地分析用户对信息资源的偏好。因此，可以将用户社会属性信息作为一个新的维度引入信息推荐系统中，通过社会化网络结构、项目在社会群体中的流行度以及用户间信任关系等用户社会属性信息，不仅可以满足用户的个性化信息需求，而且使得信息推荐的资源种类呈现多样性，提高社交网络环境下相应社交媒体网站的用户体验能力。目前，社会化信息推荐已成为信息推荐系统领域一个较新的研究方向，具有较好的研究和应用价值。(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。
