软件学报

作者：徐鹏宇，刘华锋，刘冰，景丽萍，于剑

单位：徐鹏宇，交通数据分析与挖掘北京市重点实验室 北京交通大学, 北京 100044;北京交通大学 计算机与信息技术学院, 北京 10004411,刘华锋，交通数据分析与挖掘北京市重点实验室 北京交通大学, 北京 100044;北京交通大学 计算机与信息技术学院, 北京 10004402,刘冰，交通数据分析与挖掘北京市重点实验室 北京交通大学, 北京 100044;北京交通大学 计算机与信息技术学院, 北京 10004403,景丽萍，交通数据分析与挖掘北京市重点实验室 北京交通大学, 北京 100044;北京交通大学 计算机与信息技术学院, 北京 10004404,于剑，交通数据分析与挖掘北京市重点实验室 北京交通大学, 北京 100044;北京交通大学 计算机与信息技术学院, 北京 10004405

关键词：机器学习;信息检索;推荐系统;标签推荐;用户偏好

基金：国家自然科学基金(61773050)

随着互联网信息的爆炸式增长,标签(由用户指定用来描述项目的关键词)在互联网信息检索领域中变得越来越重要.为在线内容赋予合适的标签,有利于更高效的内容组织和内容消费.而标签推荐通过辅助用户进行打标签的操作,极大地提升了标签的质量,标签推荐也因此受到了研究者们的广泛关注.总结出标签推荐任务的三大特性,即项目内容的多样性、标签之间的相关性以及用户偏好的差异性.根据这些特性,将标签推荐方法划分为3个类别,分别是基于内容的方法、基于标签相关性的方法以及基于用户偏好的方法.之后,针对这3个类别下的对应方法进行了梳理和剖析.最后,提出了当前标签推荐领域面临的主要挑战,例如标签的长尾问题、用户偏好的动态性以及多模态信息的融合问题等,并对未来研究方向进行了展望.

来源：2022年第4期

《软件学报》期刊编辑部

查看软件学报杂志2022年第4期