社会化标签系统的结构、功能和应用研究

本项目利用统计物理和非线性动力学方法，对社会化标签系统的统计特性，演.化机制及其在个性化推荐系统中的功能应用进行全面、系统地研究。首先，将社会化标签系.统中用户、对象、标签等信息集成，构建"用户-对象-标签"的多标签节点超图结构模型，.提出基于超图结构模型、具有普适性的相似性度量方法和网络度量指标。其次，分析从电影.评分，网页收集，图片收藏等Web2.0 网站中收集的大规模数据的宏观统计特性，重点研究.用户对标签的位置偏好和添加标签的时间特性，建立模型刻画社会化标签的位置和时间特性.的动态演化机制。最后，结合经典的热传导和物质扩散理论，利用社会标签系统的结构、统.计特性和演化机制设计加权推荐算法，识别用户的动态兴趣，提高推荐算法的准确性、多样.性，解决推荐算法的"冷启动"和扩展性问题。本项目有助于更深层次地理解社会化标签系.统中的结构、演化和功能问题。

项目按照原定计划执行，本项目利用统计物理和非线性动力学方法，对社会化标签及所处的在线社会网络的统计特性，演化机制及其在个性化推荐系统中的功能应用进行全面、系统地研究。主要包括三部分：1. 收集大量真实的人类在线行为数据， 分析不同社会化标签和不同的在线社会系统之间的共性和特性； 2. 基于实际网络数据的统计特性，利用超图和复杂网络理论，构建了多种描述用户真实行为的演化模型，并有针对性地进行了定性和定量的分析，研究不同网络对应的不同用户行为的影响；3. 结合不同的网络特点，将模型分析和实际数据统计特性相结合，提出了多种优化的个性化推荐算法，在理论研究的基础上，一定程度地将理论研究应用到实际系统中，并通过反馈机制来对模型假设进行验证。