（1）提出了社會化環(huán)境下商品推薦呈現(xiàn)的特征，總結了傳統(tǒng)推薦方法的基本原理、推薦流程及優(yōu)缺點，分析了基于深度學習的推薦方法、面向社會化環(huán)境的商品推薦方法的分類、研究進展和主要研究成果。（2）總結了基于內存的社會化推薦系統(tǒng)、基于模型的社會化推薦系統(tǒng)、基于社會化標簽的推薦系統(tǒng)的推薦原理、研究進展和主要研究成果。（3）總結了社會化商品推薦面臨的挑戰(zhàn)，歸納了傳統(tǒng)商品推薦存在的問題，分析了社會化標簽在商品推薦中應用可行性，提出了基于社會化標簽和多維信息特征融合的商品推薦模型，給出了模型實現(xiàn)的主要方法。（4）針對社會化標簽在內容特征上呈現(xiàn)語義缺失、在數(shù)量特征上呈現(xiàn)出長尾現(xiàn)象，利用標簽信息表征用戶興趣，提出了基于標簽間語義相關性的商品推薦方法。（5）針對目前社會化商品推薦方法存在的數(shù)據(jù)來源單一、推薦類型缺乏多樣性的問題，綜合考慮需求匹配、功能互補、情景相似、暢銷流行等多維信息特征，設計了融合多維信息特征的商品推薦方法。
本書以社會化環(huán)境下商品個性化推薦方法為主要研究對象，總結了相關理論與方法，分析了基于內存、基于模型、基于社會化標簽的推薦系統(tǒng)原理及前期研究，并提出了基于標簽間語義相關性的商品推薦方法，設計了融合多維信息特征的商品推薦方法。 這些方法滿足用戶的個性化信息需求，解決社會化環(huán)境下商品信息過載、信息迷航問題。
前言在互聯(lián)網(wǎng)時代，社會化標簽作為資源分類和索引的重要方式之一，開始被用來組織、管理和共享資源。社會化標簽不僅能反映用戶的興趣偏好，又能體現(xiàn)資源本身的特征。通過分析用戶標簽，發(fā)現(xiàn)并挖掘其中隱含的用戶商品需求，構建合適的推薦模型，設計相應的推薦方法，將用戶需求與商品信息進行匹配，是實現(xiàn)商品信息個性化推薦的關鍵。本書針對商品信息利用效率無法達到*大化的實際，通過分析用戶標簽，識別用戶需求，建立基于社會化標簽的商品信息個性化推薦方法體系，從而解決社會化環(huán)境下商品信息過載、信息迷航等問題。本書主要內容包括：（1）提出社會化環(huán)境下商品推薦呈現(xiàn)的特征，總結了基于信息內容的信息推薦方法、基于協(xié)同過濾的信息推薦方法、基于規(guī)則的信息推薦方法和混合推薦方法等傳統(tǒng)推薦方法的基本原理、推薦流程及優(yōu)缺點，分析了基于深度學習的推薦方法、面向社會化環(huán)境的商品推薦方法的分類、研究進展和主要研究成果。（2）總結了TidalTrust、MoleTrust等基于內存的社會化推薦系統(tǒng)，SoRec、TrustMF、TrustPMF、LOCABAL、SoReg、SocialMF、RSTE等基于模型的社會化推薦系統(tǒng)，Delicious、CiteULike、Connotea、Flickr、YouTube等基于社會化標簽的推薦系統(tǒng)的推薦原理、研究進展和主要研究成果。（3）總結了社會化環(huán)境下商品推薦面臨的挑戰(zhàn)，歸納了傳統(tǒng)商品推薦模型存在的問題，分析了社會化標簽在商品推薦中應用的可行性，提出了基于社會化標簽和多維信息的商品推薦模型，給出了模型實現(xiàn)的主要方法。（4）提出了基于標簽間語義相關性的商品推薦方法。針對社會化標簽在內容特征上呈現(xiàn)語義缺失、在數(shù)量特征上呈現(xiàn)長尾現(xiàn)象，利用標簽信息表征用戶興趣，提出了基于標簽間語義相關性的商品推薦方法。（5）提出了基于多維信息特征融合的商品推薦方法。針對目前社會化商品推薦方法存在的數(shù)據(jù)來源單一、推薦類型缺乏多樣性的問題，綜合考慮需求匹配、功能互補、情景相似、暢銷流行等多維信息特征，設計了融合多維信息特征的商品推薦方法。本研究成果得到了湖北工業(yè)大學工程技術學院相關領導及同事的支持與幫助，在此表示感謝，同時也感謝家人及朋友們的鼓勵與支持！本書在編寫過程中引用、借鑒了大量的國內外文獻與網(wǎng)絡資料，參閱了國內外專家學者的相關研究成果，在此謹向所有作者表示由衷的感謝！由于本人水平有限，加之時間倉促，書中難免存在不當或錯誤之處，懇請同行專家與廣大讀者批評指正，以期改進。梁晶2022年8月
梁晶，副教授，中國商業(yè)統(tǒng)計學會理事、湖北省市場營銷學會理事，湖北高校優(yōu)秀教學團隊負責人、湖北省一流課程負責人，主持*產學合作協(xié)同育人項目2項，主持湖北省教育廳人文社科項目1項，主持校級課題6項，主編教材2部，發(fā)表論文10余篇（含 2篇CSSCI）,申請軟著基于大數(shù)據(jù)的產品智能推薦系統(tǒng)1項，指導學生參加挑戰(zhàn)杯、創(chuàng)青春、全國大學生電子商務三創(chuàng)大賽、全國大學生市場調查與分析大賽等獲得*獎項3項、省級以上獎項近20項。
1緒論/1
1.1選題背景和意義/1
1.1.1選題背景/1
1.1.2選題意義/4
1.2國內外研究現(xiàn)狀/6
1.2.1社會化推薦研究現(xiàn)狀/6
1.2.2標簽推薦研究現(xiàn)狀/10
1.2.3商品推薦研究現(xiàn)狀/16
1.2.4國內外研究述評/21
1.3研究方法/26
2社會化商品推薦相關理論與方法/28
2.1社會化商品推薦的概念與特征/28
2.2社會化標簽系統(tǒng)概述/31
2.2.1標簽系統(tǒng)類型/31
2.2.2社會化標簽系統(tǒng)的特點/31
2.3傳統(tǒng)信息推薦理論與方法/33
2.3.1基于信息內容的信息推薦方法/33
2.3.2基于協(xié)同過濾的信息推薦方法/35
2.3.3基于規(guī)則的信息推薦方法/38
2.3.4混合推薦方法/39
2.4基于深度學習的推薦方法/40
2.4.1基于多層感知機的推薦方法/40
2.4.2基于卷積神經(jīng)網(wǎng)絡的推薦方法/41
2.4.3基于循環(huán)神經(jīng)網(wǎng)絡的推薦方法/41
2.5面向社會化環(huán)境的商品推薦方法/42
2.6社會化商品推薦技術基礎/45
2.6.1信息抽取/45
2.6.2知識融合/49
3社會化推薦系統(tǒng)概述與分析/53
3.1社會化推薦系統(tǒng)概述/53
3.2基于內存的社會化推薦系統(tǒng)/55
3.2.1TidalTrust/55
3.2.2MoleTrust/57
3.3基于模型的社會化推薦系統(tǒng)/58
3.3.1SoRec/58
3.3.2TrustMF/60
3.3.3TrustPMF/62
3.3.4LOCABAL/65
3.3.5SoReg/67
3.3.6SocialMF/68
3.3.7RSTE/72
3.4基于社會化標簽的推薦系統(tǒng)/74
3.4.1Delicious/74
3.4.2CiteULike/75
3.4.3Connotea/76
3.4.4Flickr/77
3.4.5YouTube/79
4基于社會化標簽的商品推薦模型/82
4.1問題的提出/82
4.1.1社會化環(huán)境下商品推薦面臨的挑戰(zhàn)/82
4.1.2傳統(tǒng)的商品推薦模型存在的問題/83
4.1.3社會化標簽在商品推薦中應用的可行性/84
4.2基于社會化標簽的商品推薦模型/85
4.2.1現(xiàn)有的基于社會化標簽的推薦模型/85
4.2.2基于社會化標簽和多維信息的商品推薦模型/88
5基于標簽間語義相關性的商品推薦方法/91
5.1問題的提出/91
5.2基于標簽間語義相關性的商品推薦方法概述/93
5.2.1標簽間語義相關性計算/93
5.2.2用戶標簽綜合權重計算/94
5.2.3用戶興趣表達/96
5.2.4商品個性化推薦/97
5.3實驗與結果分析/98
5.3.1實驗數(shù)據(jù)/98
5.3.2實驗環(huán)境與測評指標/98
5.3.3實驗對比與結果分析/98
6基于多維信息特征融合的商品推薦方法/102
6.1問題的提出/102
6.2基于多維信息特征融合的商品推薦方法概述/103
6.2.1商品用戶需求匹配度計算/103
6.2.2商品功能互補度計算/104
6.2.3商品情景相似度計算/105
6.2.4商品暢銷流行度計算/106
6.2.5TopN商品推薦/106
6.3實驗與結果分析/107
6.3.1實驗數(shù)據(jù)/107
6.3.2實驗環(huán)境與測評指標/107
6.3.3實驗結果與分析/108
7全文總結與展望/111
7.1全文總結/111
7.2下一步工作展望/112
參考文獻/114
書單推薦
