在互联网时代，社会化标签作为资源分类和索引的重要方式之一，开始被用来组织、管理和共享资源。社会化标签不仅能反映用户的兴趣偏好，又能体现资源本身的特征。通过分析用户标签，发现并挖掘其中隐含的用户商品需求，构建合适的推荐模型，设计相应的推荐方法，将用户需求与商品信息进行匹配，是实现商品信息个性化推荐的关键。本书针对商品信息利用效率无法达到最大化的实际，通过分析用户标签，识别用户需求，建立基于社会化标签的商品信息个性化推荐方法体系，从而解决社会化环境下商品信息过载、信息迷航等问题。

1 绪论
1.1 选题背景和意义
1.1.1 选题背景
1.1.2 选题意义
1.2 国内外研究现状
1.2.1 社会化推荐研究现状
1.2.2 标签推荐研究现状
1.2.3 商品推荐研究现状
1.2.4 国内外研究述评
1.3 研究方法
2 社会化商品推荐相关理论与方法
2.1 社会化商品推荐的概念与特征
2.2 社会化标签系统概述
2.2.1 标签系统类型
2.2.2 社会化标签系统的特点
2.3 传统信息推荐理论与方法
2.3.1 基于信息内容的信息推荐方法
2.3.2 基于协同过滤的信息推荐方法
2.3.3 基于规则的信息推荐方法
2.3.4 混合推荐方法
2.4 基于深度学习的推荐方法
2.4.1 基于多层感知机的推荐方法
2.4.2 基于卷积神经网络的推荐方法
2.4.3 基于循环神经网络的推荐方法
2.5 面向社会化环境的商品推荐方法
2.6 社会化商品推荐技术基础
2.6.1 信息抽取
2.6.2 知识融合
3 社会化推荐系统概述与分析
3.1 社会化推荐系统概述
3.2 基于内存的社会化推荐系统
3.2.1 TidalTrust
3.2.2 MoleTrust
3.3 基于模型的社会化推荐系统
3.3.1 SoRec
3.3.2 TrustMF
3.3.3 TrustPMF
3.3.4 LOCABAL
3.3.5 SoReg
3.3.6 SocialMF
3.3.7 RSTE
3.4 基于社会化标签的推荐系统
3.4.1 Delicious
3.4.2 CiteULike
3.4.3 Connotea
3.4.4 Flickr
3.4.5 YouTube
4 基于社会化标签的商品推荐模型
4.1 问题的提出
4.1.1 社会化环境下商品推荐面临的挑战
4.1.2 传统的商品推荐模型存在的问题
4.1.3 社会化标签在商品推荐中应用的可行性
4.2 基于社会化标签的商品推荐模型
4.2.1 现有的基于社会化标签的推荐模型
4.2.2 基于社会化标签和多维信息的商品推荐模型
5 基于标签间语义相关性的商品推荐方法
5.1 问题的提出
5.2 基于标签间语义相关性的商品推荐方法概述
5.2.1 标签间语义相关性计算
5.2.2 用户标签综合权重计算
5.2.3 用户兴趣表达
5.2.4 商品个性化推荐
5.3 实验与结果分析
5.3.1 实验数据
5.3.2 实验环境与测评指标
5.3.3 实验对比与结果分析
6 基于多维信息特征融合的商品推荐方法
6.1 问题的提出
6.2 基于多维信息特征融合的商品推荐方法概述
6.2.1 商品-用户需求匹配度计算
6.2.2 商品功能互补度计算
6.2.3 商品情景相似度计算
6.2.4 商品畅销流行度计算
6.2.5 Top-N商品推荐
6.3 实验与结果分析
6.3.1 实验数据
6.3.2 实验环境与测评指标
6.3.3 实验结果与分析
7 全文总结与展望
7.1 全文总结
7.2 下一步工作展望
参考文献