信息推荐系统第二版：解决目标问题

互联网的发展极大地压缩了科技文献产生、发表的周期，加速了知识的传播。科技文献之间由于知识传播而形成引文网络。社会网络分析方法经常被用于引文网络分析中，如对网络的个体属性如节点的“权力”或者影响力分析以及对网络的整体属性如网络的密度、强度、对称性、规模等信息的分析[31]。该方法经常被用来识别领域热点以及主题的演化等，能快速帮助用户了解研究领域的发展情况。但是此作用发挥的前提条件是用户需要进行相关的搜索。传统的文献查找方式需要用户输入关键词等信息进行查询获得文献，根据文献相关度以及文献被引量等信息来决定是否下载。然而这种文献搜索的方法非常被动，如果能够根据用户的研究兴趣主动为用户进行文献推荐可以改变这种局面。同时，面对大量文献信息，科学研究过程中通过手动寻找、下载、整理、组织和引用这些文献信息变得异常艰巨和复杂。文献管理软件核心功能涵盖信息检索、整理和组织等功能，其出现很好地解决了这些问题[32][33]。但是文献管理软件在利用个性化推荐方法向读者进行文献推荐的功能上表现不足。例如已尝试推荐的CNKIe-Learning软件，推出了“相似文献”和“读者推荐文献”两种功能，其中所有用户都被推荐与已选择文献相似或相关的文献，这些方式没有充分考虑用户的研究偏好，只是以文献为对象来进行推荐。但是科学研究过程中，即使学者研究同一篇文献，关注的焦点也会存在差异，因此在文献管理软件中以用户为对象进行个性化推荐在科学研究中具有重要意义。

个性化推荐方法是一种运用集体智慧预测个体行为的智能方法，通过用户已经选择过的产品或者输入的信息来预测其潜在的偏好。随着网络的发展，信息超载问题愈发严重，个性化推荐方法对于从大量资源中寻找有效信息变得更加重要。目前常用的推荐算法主要包括协同过滤推荐算法、基于内容的推荐算法等。传统的方法在处理文本对象时可以直接利用基于内容的个性化推荐方法，或者利用用户对文本的选择关系运用协同过滤推荐方法为用户提供推荐。这两种方法将用户选择过的对象直接转换为相同的权重值来处理，然而对于不同的文献，用户的偏好程度并不相同，所以上述方法存在无法识别用户真正兴趣的问题。社会化推荐方法的引入可以解决上述难题。从广义的角度来讲，指向社会媒体领域的任意推荐系统就是社会推荐系统[34]。该定义涵盖社交领域中指向任何对象的推荐系统，如传统的推荐项目、标签、人和社区等。其中涉及的数据来源不限于在线社会关系，还包括各种可以获得的社会媒体数据，例如社会标签、用户交互以及用户点击行为等。(www.xing528.com)

本节在基本的个性化推荐框架的基础上，根据用户的科学研究过程提出了一种社会化推荐的方法，最后给出了详细的框架。该方法从资源整合到最后的推荐过程都结合用户的社会化参与方式来运作，具体根据文献管理软件中用户的阅读标注行为来整合资源并识别用户的兴趣，然后依赖其所归属的社会关系网络进行个性化的文献推荐。