سرويس‌هاي برچسب گذاري اجتماعي[1] به کاربران اجازه مي‌دهد که منابع برخط مختلف را با کلمات کليدي (برچسب‌ها) حاشيه نويسي کند. اين سرويس‌ها به کاربران در پيدا کردن و سازماندهي و بازیابی منابع برخط کمک کرده، داده معنايي مشترک را به طور معناداري فراهم مي‌کند که بتواند به طور بالقوه توسط سيستم‌هاي پيشنهاد دهنده به‌کاربرده شود. مطالعات پیشین روي سامانه های  برچسب گذاري اجتماعي روي پيشنهاد برچسب کار مي کردند. اخيرا، پيشنهاد منابع بر اساس داده برچسب گذاري مورد توجه محققان قرار گرفته است. در اغلب این سامانه ها، منابع بر اساس برچسبِ جستجو شده،  به کاربر پیشنهاد می شود و توجهی به رفتار آنی و روندی که در حال حاضر طی می کند ندارد. در اين پژوهش، سعی شده است به مسئله‌ي پيشنهاد منبع (مانند صفحات وب، مقالات تحقيقاتي و … ) همچنین برچسب، بر اساس داده برچسب گذاري شده کاربران گذشته، و رفتار فعلي کاربران بپردازد تا بتوان سیستم پیشنهاددهنده دقیق‌تری طراحی و پیاده ­سازی نمود. همچنین با به کارگیری الگوریتم فرهنگی[2] در روند پیشنهاد، موارد متنوع تری به کاربر ارائه گردد؛ سیستم پیشنهادی که “وب فرهنگی” نام نهاده شده، پس از استخراج داده هايی نظیر کاربران، برچسب‌ها، منابع و روابط ميان آن‌ها از فایل های ثبت وقایع سیستم ابتدا يک الگویی بر مبنای گراف ایجاد می نماید. در نهايت پس از بررسي روند طي شده کاربر فعال و با رصد کردن جریان فرهنگ روی الگوی ایجاد شده هدف های بعدی کاربر، پيش بيني و به او پيشنهاد می شود. نتايج آزمايشات روي مجموعه داده های سیستم های برچسب زنی اجتماعی نشان مي‌دهد که الگوريتم پیشنهادی، دقتِ الگوريتم‌هاي پيشنهاد دهنده‌ي پیشین را ارتقا می بخشد.



[1] Social annotation systems

[2] cultural algorithm