收获标签权：一种信息产品社会化推荐方法-研究论文

社交标签作为一种灵活有效的信息管理平台，在过去几年中在互联网和内联网上Swift普及。 社交推荐基于标签自动化向用户推荐潜在感兴趣的信息产品的过程，可以提高用户的信息发现体验，促进信息产品在各类内容交付网站上的消费。 尽管已经开发了许多基于标签的社交推荐器，但由于标签数据的特殊性而导致的一些问题，包括标签偏差、词汇问题和数据稀疏性，尚未得到充分解决，并在很大程度上限制了现有推荐器的性能。 针对这些问题，本文提出了一种基于标签的语义分析模型来捕捉标记数据中出现的语义，并将推荐问题重新表述为对标记（选择）和未标记项目的约束优化问题。 为解决这一优化问题而开发的迭代学习框架结合了认知科学中的自组织理论、信息检索中的概率潜在语义分析框架和机器学习中的正无标记学习方法。 使用来自三个不同领域的社会标签数据集的实证研究证明了所提出方法的有效性。