利用用户标签数据

让用户给物品打标签，是一种表示用户兴趣和物品语义的重要方式。

基于标签的推荐系统

三元组记录（u，i，b）表示用户u给物品i打上了标签b。

一个简单的算法

对于一个用户，首先找到他常用的标签，然后将这些标签的最热门物品推荐给该用户。
用户u对物品i的兴趣公式如下：

缺点：给热门标签和热门物品过大的权重，从而不能反映用户的个性化兴趣。

算法的改进

1. 惩罚热门标签和热门物品

1. 数据稀疏性

将标签的相似标签也加入到用户的标签集合，即标签扩展。标签扩展的本质是计算标签之间的相似度。

1. 标签清理：去除停用词、因词根或者分隔符造成的同义词

   基于图的推荐算法

   PersonalRank

   给用户推荐标签

2. 给用户u推荐物品i上最热门的标签

3. 给用户u推荐他自己经常使用的标签
4. 通过一个系数将上面两个推荐结果加权，生成最终的推荐结果