Web Resources Recommendation Based on Folksonomy

[[abstract]]本研究以Web2.0大眾分類法(Folksonomy)的標籤資訊為基礎，做為推薦系統產生推薦之依據，藉由使用者運用標籤的習慣可得知使用者的喜好，並依據其喜好推薦適當的網路資源(書籍、文章、文件、圖片、影音…等)給使用者。此方法包含了四個步驟：依據標籤資訊建立使用者輪廓檔、利用TF-IDF與凝聚式階層群集法找出興趣相似的使用者群組、接著在每一群組內，找出群組內與使用者過去收藏資源相似的項目，並將結果推薦給使用者。 本研究以運用大眾分類法的Web2.0社會化書籤收藏網站：「Del.icio.us」做為實驗資料來源，展示所提出之推薦方法運作流程與其效果評估。本系統可補足並加強現有Web2.0大眾分類法之推薦功能，能避免傳統協同過濾式與內容過濾式推薦系統的一些限制問題，例如難以對文字以外的資源進行分析處理、被推薦的項目內容特徵值如果選擇不恰當會導致推薦品質下降、或是當兩篇文章主題相同而內容有差異時，系統無法有效分辨差異等問題，依據標籤為基礎的推薦系統能改善這類限制問題，並與傳統內容過濾式的推薦系統相輔相成，以提升推薦品質。[[abstract]]This study proposes a new recommendation system based on the collaborative folksonomy. The purpose of the proposed system is to recommend Internet resources (such as books, articles, documents, pictures, audio and video… etc.) to the user. The proposed method includes four steps: creating the user profile based on the Tags, grouping the similar users into clusters using an agglomerative hierarchical clustering, finding similar resources based on the user’s past collections by TF-IDF content-based filtering, and recommending the top-N items to the user. This study examines the system’s performance using the dataset from Del.icio.us, which is a famous social bookmark web site. Experimental results show that the proposed system is promising and effectiveness. The proposed system can reduce the limitation of the traditional content-based and collaborative-based filtering recommendation system