利用用户标签数据

除了之前提到的UserCF和ItemCF两种方法，第三种重要的方式是通过一些特征(feature )联系用户和物品，给用户推荐那些具有用户喜欢的特征的物品。这里的特征有不同的表现方式，比如可以表现为物品的属性集合(比如对于图书，属性集合包括作者、出版社、主题和关键词等)，也可以表现为隐语义向量(latent factor vector),这可以通过前面提出的隐语义模型习得到。本章将讨论一种重要的特征表现方式"标签"。

什么是标签

标签是一种无层次化结构的、用来描述信息的关键词，它可以用来描述物品的语义。根据给物品打标签的人的不同，标签应用一般分为两种：一种是让作者或者专家给物品打标签；另一种是让普通用户给物品打标签，也就MUGC (User Generated Content,用户生成的内容)的标签应用。UGC的标签系统是一种表示用户兴趣和物品语义的重要方式。当一个用户对一个物品打上一个标签，这个标签一方面描述了用户的兴趣，另一方面则表示了物品的语义，从而将用户和物品联系了起来。、

标签系统中的推荐问题

打标签作为一种重要的用户行为，蕴含了很多用户兴趣信息，因此深人研究和利用用户打标
签的行为可以很好地指导我们改进个性化推荐系统的推荐质量。同时，标签的表示形式非常简单， 便于很多算法处理。
标签系统中的推荐问题主要有以下两个。
如何利用用户打标签的行为为其推荐物品（基于标签的推荐）？
如何在用户给物品打标签时为其推荐适合该物品的标签（标签推荐）？
为了研究上面的两个问题，我们首先需要解答下面3个问题。
用户为什么要打标签？
用户怎么打标签？
用户打什么样的标签？

基于标签的推荐系统

拿到了用户标签行为数据，相信大家都可以想到一个最简单的个性化推荐算法。这个算法的
描述如下所示。

1. 统计每个用户最常用的标签。
2. 对于每个标签，统计被打过这个标签次数最多的物品。
3. 对于一个用户，首先找到他常用的标签，然后找到具有这些标签的最热门物品推荐给这
   个用户。