张劲松

(山东管理学院图书馆 济南 250357)

0 引 言

大数据背景下，海量用户文本为数据分析与知识发现提供了丰富的语料来源。用户围绕图书、影视等网络资源，进行标签标注、在线评论、社会交往等活动，逐渐形成各类在线用户社区(Online User Community)[1]。研究如何从在线用户社区中，识别用户的动态兴趣特征，刻画其情感倾向，对实现用户个性化推荐，完善商品营销策略等具有重要的研究价值。

当前，推荐算法可分为基于用户的协同过滤(Collaborative Filtering)[2]以及基于文本的内容发现方法(Context-Based Recommendation)[3]。基于用户的协同过滤方法通过识别用户对兴趣项目的评分，获取最小近邻偏好矩阵，并以此为基础计算用户之间、用户与项目之间的相似度。如汪圳[4]等提出一种基于用户情景感知的图书协同过滤方法，该方法通过构建包含用户属性要素特征、图书使用行为、图书需求场景等的多维特征矩阵，实现用户图书需求的多项目协同过滤推荐。胡代平[5]等将用户借阅行为与图书标签相融合，提出一种基于动态用户阅读偏好的高校图书推荐方法，该方法通过识别读者偏好属性，实现平滑时间维下偏好特征的在线计算。基于用户的协同过滤方法适合数据规模较少且特征区分度较高的图书项目，缺点是在用户数据稀疏时用户标签属性建模存在冷启动问题。基于文本的内容发现方法通过分析用户的文本信息，以用户画像、兴趣标签标注等形式识别用户的兴趣特征，最终实现用户与项目资源间的语义匹配。……