题目：社会标签系统中个性化推荐算法研究

近年来随着Web2.0和社交网站的兴起，互联网已经渗透到人们的生活、学习和工作的各个领域，信息数量急速增长，网站的推荐系统面临巨大挑战。社会标签系统作为Web2.0的基础功能，由于其具有门槛低、操作灵活、易用等特点正变得越来越流行。在社会标签系统中，用户可以使用标签对资源进行标注，其中标签可以是用户自由选择的满足自己爱好的任意关键字。社会标签能帮助用户更好地组织、分享和发现信息资源，且代表了用户大众的兴趣爱好。因此基于标签的推荐系统作为目前新兴的推荐系统，能得到更贴近用户需求的推荐结果，具有很高的研究价值。

本文对社会标签系统中的个性化推荐技术展开研究，主要包括两方面的推荐：基于用户的标注行为进行个性化的标签推荐以及基于标签的个性化资源推荐，而进行推荐的基础是建立用户个性化兴趣模型。因此，本文首先基于用户的标注行为建立个性化用户模型，然后在此基础上研究标签推荐和资源推荐。

本文首先提出基于向量空间模型的用户建模方法。在此基础上，将标签信息引入到传统的协同过滤推荐方法中提出了标签推荐算法，并在Delicious数据集上验证算法的有效性。最后，在传统的Slope One推荐算法的基础上提出了资源推荐算法，基于MovieLens数据集的实验表明，本文提出的推荐算法的效果要优于传统的推荐方法。