更新时间：2022-07-10 14:15
旨在融合社交网络信息来提升传统推荐算法的推荐精度。将丰富的社交关系融入到推荐模型中，缓解数据稀疏和冷启动问题。
与传统的协同推荐算法不同，社会化推荐系统将社交信息作为辅助数据信息，通过考虑社交网络中的社交关系和评分信息来提高传统推荐系统的准确性。社会化推荐系统已逐渐成为推荐系统的热门研究领域之一
[1]. Ma, H., Zhou, D., Liu, C., Lyu, M. R., and King, I. Recommender systems with social regularization. in Proceedings of the fourth ACM international conference on Web search and data mining. 2011. ACM.
目前，社会化推荐的主要有以下四种：
①基于社会化标引的推荐。用户通过书签对信息资源进行标注，通过统计书签数据，可以了解用户的需求以及兴趣所在。可根据所有报表所得到的信息来对系统默认和推荐的书签进行整理，标识出新的社会书签供用户浏览和讨论等。还可通过系统中的定向通知和广告发布功能，将有关信息发送给需要了解它们的用户群[[i]]。
②基于社会化评价的推荐。用户在使用某一网络信息资源后，会对其产生主观的评价，很多网站都提供了打分机制，用户根据主观评价对该信息资源进行打分。系统根据分数的高低决定将那些信息推荐给用户。
③基于用户关系的推荐。用户由共同的兴趣结成了不同的社会网络，形成了相互之间的信任。当用户对某一内容感兴趣时，系统会依据用户形成的社会网络将其推荐给他们的好友。如博客、交友网站等。
④综合推荐。将分类、历史数据、社会化标引、社会化评价、网络关系等综合起来推荐——例如玩聚、鲜果等社会化推荐服务。