社交媒体中的信息推荐

被引：16

作者：

黄立威 ^{[1
]}

李德毅 ^{[2
]}

机构：

[1] 解放军理工大学指挥自动化学院

[2] 中国电子系统工程研究所

来源：

智能系统学报 | 2012年 / 7卷 / 01期

关键词：

信息推荐; 信息过载; 推荐系统; 社交媒体;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

近年来社交媒体越来越流行,可以从中获得大量丰富多彩的信息的同时,也带来了严重的"信息过载"问题.推荐系统作为缓解信息过载最有效的方法之一,在社交媒体中的作用日趋重要.区别于传统的推荐方法,社交媒体中包含大量的用户产生内容,因此在社交媒体中,通过结合传统的个性化的推荐方法,集成各类新的数据、元数据和清晰的用户关系,产生了各种新的推荐技术.总结了社交推荐系统中的几个关键研究领域,包括基于社会化标注的推荐、组推荐和基于信任的推荐,之后介绍了在信息推荐中考虑时间因素时的情况,最后对社交媒体中信息推荐有待深入研究的难点和发展趋势进行了展望.

引用

页码：1 / 8

页数：8

共 6 条

[1] 云计算中的群体智能与不确定性知识表示(英文) [J].

刘玉超 ;

张海粟 ;

马于涛 ;

李德毅 ;

陈桂生 .

中国通信, 2011, 8 (06) :58-66

[2]

Trust Metrics on Controversial Users: Balancing Between Tyranny of the Majority[J] . Paolo Massa,Paolo Avesani.International Journal on Semantic Web and Information Systems （IJSWIS） . 2007 (1)

[3] TV program recommendation for multiple viewers based on user profile merging [J].

Yu, Zhiwen ;

Zhou, Xingshe ;

Hao, Yanbin ;

Gu, Jianhua .

USER MODELING AND USER-ADAPTED INTERACTION, 2006, 16 (01) :63-82

[4]

Group Modeling: Selecting a Sequence of Television Items to Suit a Group of Viewers[J] . Judith Masthoff.User Modeling and User-Adapted Interaction . 2004 (1)

[5]

Group rec-ommendations with rank aggregation and collaborative filte-ring. BALTRUNAS L,MAKCINSKAS T,RICCI F. Proceedings of the 4th ACM Conference on Rec-ommender Systems . 2010

[6]

Comparing recommenda-tions made by online systems and friends. SINHA R,SWEARINGEN K. Proceed-ings of the DELOS-NSF Workshop on Personalization andRecommender Systems in Digital Libraries . 2001

← 1 →