在社会化标注中,用户通过标签对感兴趣的资源进行自由标注,构成了用户-标签-资源三元关系。标签作为连接用户和资源的纽带可以描述用户的兴趣和资源的内容,是进行社会化标注推荐的核心和基础,因此更加充分地利用社会化标签是本研究的关键所在。现有研究大多通过标签共现原则,利用标签语义考虑用户、资源和标签的关系。而实际情况往往是,标签语义信息具有模糊性和不稳定性等问题。标签在标注时本身就融有情感元素,是用户表达情感的一种显性体现,通过标签情感分析恰好可以弥补这一缺陷。因此本文结合国家自然科学基金项目“泛在计算环境中社会化驱动的情境感知个性化信息服务研究”(项目编号:71471165),研究了融入情感分析的社会化标注推荐,系统地阐述了标签情感分析以及将标签情感融入不同推荐方法中,并展开对比实验分析。本文的主要工作和贡献如下:(1)开展标签情感分析。采用基于SenticNet情感词库方法进行标签情感分析,将标签语义转化为情感向量形式,从而克服了标签本身的模糊性和不稳定性。(2)构建语义概况模型和情感概况模型。从社会化标注系统中的用户-标签-资源三元关系出发,根据标签的使用频率构建语义概况模型。同时结合标签情感分析将用户-标签-资源三元关系转化为用户-情感-资源三元关系,构建情感概况模型,合理地将标签语义转化为情感,实现用户兴趣和资源内容的情感描述。(3)提出融入情感分析的社会化标注推荐的方法。结合标签语义信息和情感信息,以基于内容推荐和协同过滤推荐方法为基础,考虑用户对资源的语义偏好和情感偏好,构建语义和情感融合的推荐方法。(4)选取Movielens数据集,开展对比实验研究,利用准确率和召回率以及综合评价指标,对本文提出的融入情感分析的社会化标注推荐有效性进行验证。研究表明,本文提出的融入情感分析的社会化标注推荐在基于内容推荐和协同过滤推荐方法上都有较好表现,且明显优于单纯使用标签语义进行的社会化标注推荐,研究的结果对社会化标注推荐具有较高的实践应用价值。