标签推荐方法研究综述

作     者：徐鹏宇 刘华锋 刘冰 景丽萍 于剑 XU Peng-Yu;LIU Hua-Feng;LIU Bing;JING Li-Ping;YU Jian

作者机构：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京100044 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2022年第33卷第4期

页      面：1244-1266页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 081202[工学-计算机软件与理论] 

基　　金：国家自然科学基金(61773050) 

主　　题：机器学习 信息检索 推荐系统 标签推荐 用户偏好 

摘      要：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.