本书以社会化环境下商品个性化推荐方法为主要研究对象，总结了相关理论与方法，分析了基于内存、基于模型、基于社会化标签的推荐系统原理及前期研究，并提出了基于标签间语义相关性的商品推荐方法，设计了融合多维信息特征的商品推荐方法。 这些方法满足用户的个性化信息需求，解决社会化环境下商品信息过载、信息迷航问题。
（1）提出了社会化环境下商品推荐呈现的特征，总结了传统推荐方法的基本原理、推荐流程及优缺点，分析了基于深度学习的推荐方法、面向社会化环境的商品推荐方法的分类、研究进展和主要研究成果。（2）总结了基于内存的社会化推荐系统、基于模型的社会化推荐系统、基于社会化标签的推荐系统的推荐原理、研究进展和主要研究成果。（3）总结了社会化商品推荐面临的挑战，归纳了传统商品推荐存在的问题，分析了社会化标签在商品推荐中应用可行性，提出了基于社会化标签和多维信息特征融合的商品推荐模型，给出了模型实现的主要方法。（4）针对社会化标签在内容特征上呈现语义缺失、在数量特征上呈现出“长尾”现象，利用标签信息表征用户兴趣，提出了基于标签间语义相关性的商品推荐方法。（5）针对目前社会化商品推荐方法存在的数据来源单一、推荐类型缺乏多样性的问题，综合考虑需求匹配、功能互补、情景相似、畅销流行等多维信息特征，设计了融合多维信息特征的商品推荐方法。
|
