个性化推荐系统的研究进展

被引：429

作者：

刘建国 ^{[1
,2
]}

周涛 ^{[1
,2
]}

汪秉宏 ^{[1
,3
]}

机构：

[1] 中国科学技术大学,近代物理系,理论物理研究所

[2] Department of Physics,University of

来源：

自然科学进展 | 2009年 / 19卷 / 01期

关键词：

推荐系统; 个性化推荐; 协同过滤; 基于内容的推荐; 基于网络的推荐;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

080402 ;

摘要：

互联网技术的迅猛发展把我们带进了信息爆炸的时代.海量信息的同时呈现,一方面使用户很难从中发现自己感兴趣的部分,另一方面也使得大量少人问津的信息成为网络中的"暗信息",无法被一般用户获取.个性化推荐系统通过建立用户与信息产品之间的二元关系,利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象,进而进行个性化推荐,其本质就是信息过滤.个性化推荐系统不仅在社会经济中具有重要的应用价值,而且也是一个非常值得研究的科学问题.事实上,它是目前解决信息过载问题最有效的工具.文中根据推荐算法的不同,分别介绍了协同过滤系统,基于内容的推荐系统,混合推荐系统,以及最近兴起的基于用户—产品二部图网络结构的推荐系统.并结合这些推荐系统的特点以及存在的缺陷,提出了改进的方法和未来可能的若干研究方向.推荐系统的研究受到了信息科学、计算数学、统计物理学、认知科学等多学科的关注,它与管理科学、消费行为等研究也密切相关.能够为不同学科领域的科研工作者研究推荐系统提供借鉴,有助于我国学者了解该领域的主要进展.

引用

页码：1 / 15

页数：15

共 23 条

[1] Cooperative query rewriting for decision making support and recommender systems
Mirzadeh, Nader
Ricci, Francesco
[J]. APPLIED ARTIFICIAL INTELLIGENCE, 2007, 21 (10) : 895 - 932
[2] Analyzing Consumer-Product Graphs: Empirical Findings and Applications in Recommender Systems[J] . Zan Huang,Daniel D. Zeng,Hsinchun Chen.Management Science . 2007 (7)
[3] AdROSA - Adaptive personalization of web advertising
Kazienko, Przemyslaw
Adamski, Michal
[J]. INFORMATION SCIENCES, 2007, 177 (11) : 2269 - 2295
[4] An integrated environment for the development of knowledge-based recommender applications
Felfernig, Alexander
Friedrich, Gerhard
Jannach, Dietmar
Zanker, Markus
[J]. INTERNATIONAL JOURNAL OF ELECTRONIC COMMERCE, 2006, 11 (02) : 11 - 34
[5] A content-collaborative recommender that exploits WordNet-based user profiles for neighborhood formation
Degemmis, Marco
Lops, Pasquale
Semeraro, Giovanni
[J]. USER MODELING AND USER-ADAPTED INTERACTION, 2007, 17 (03) : 217 - 255
[6] A domain model of Web recommender systems based on usage mining and collaborative filtering[J] . Rosario Girardi,Leandro Balby Marinho.Requirements Engineering . 2006 (1)
[7] Ontological user profiling in recommender systems
Middleton, SE
Shadbolt, NR
De Roure, DC
[J]. ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) : 54 - 88
[8] Applying associative retrieval techniques to alleviate the sparsity problem in collaborative filtering
Huang, Z
Chen, H
Zeng, D
[J]. ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) : 116 - 142
[9] Item-based top-N recommendation algorithms
Deshpande, M
Karypis, G
[J]. ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) : 143 - 177
[10] Recommendation Systems: A Probabilistic Analysis[J] . Ravi Kumar,Prabhakar Raghavan,Sridhar Rajagopalan,Andrew Tomkins.Journal of Computer and System Sciences . 2001 (1)

← 1 2 3 →