推荐系统-------------基于UGC的推荐

用户用标签描述对物品的看法，所以用户生成标签（UGC）是联系用户和物品的纽带，也是反应用户兴趣的重要数据源。
一个用户标签行为的数据集一般有一个三元组（用户，物品，标签）的集合组成，其中一条记录（a,b,c）表示用户a给物品b打上了标签c
一个简单的算法：
统计每隔用户最常用的标签
对于每隔标签，统计被打过这个标签次数最多的物品
对于一个用户，首先找到他常用的标签，然后找到具有这些标签的最热门的物品，推荐给他
所以用户对物品的兴趣公式

其中，n a.c是用户a打了多少c标签，n c.b是物品b被打过标签c的次数
简单算法中 直接将用户打出标签的次数和物品得到的标签次数相剩，可以简单地表现处用户对物品某个特征的兴趣
这种办法倾向于给热门标签（谁都会给的标签，如“大片”，“搞笑”等），热门物品（打标签人数最多）比较大的权重，如果一个热门物品同时对应着热门标签，那么它就是“霸榜”，推荐的个性化，新颖度就会降低
类似的问题，出现在新闻内容关键字提取中，比如以下新闻中，那个关键字应该获得更高的权重？？
采用TF-IDF算法