协同过滤推荐技术综述

被引:184
作者
冷亚军 [1 ]
陆青 [1 ]
梁昌勇 [2 ,3 ]
机构
[1] 上海电力学院经济与管理学院
[2] 合肥工业大学管理学院
[3] 合肥工业大学过程优化与智能决策教育部重点实验室
基金
高等学校博士学科点专项科研基金;
关键词
个性化服务; 推荐系统; 协同过滤; 信息超载;
D O I
10.16451/j.cnki.issn1003-6059.2014.08.005
中图分类号
TP391.3 [检索机];
学科分类号
摘要
协同过滤是推荐系统中广泛使用的推荐技术,研究人员对如何完善协同过滤推荐技术开展大量工作,但是相应的研究总结较少.文中对协同过滤的相关研究进行全面回顾,首先阐述协同过滤的内涵及其存在的主要问题,包括稀疏性、多内容及可扩展性,然后详细介绍国内外学者针对以上问题的解决方案,最后指出协同过滤下一步的研究重点.文中介绍一个相对完整的协同过滤知识框架,对理清协同过滤的研究脉络,为后续研究提供参考,推进个性化信息服务的发展具有一定意义.
引用
收藏
页码:720 / 734
页数:15
相关论文
共 26 条
[1]  
基于云计算平台的智能推荐系统研究.[D].吕雪骥.安徽大学.2012, 10
[2]   基于标签和协同过滤的个性化资源推荐 [J].
蔡强 ;
韩东梅 ;
李海生 ;
胡耀光 ;
陈谊 .
计算机科学, 2014, (01) :69-71
[3]   协同过滤中一种有效的最近邻选择方法 [J].
冷亚军 ;
梁昌勇 ;
丁勇 ;
陆青 .
模式识别与人工智能, 2013, 26 (10) :968-974
[4]   电子商务推荐系统中群体用户推荐问题研究 [J].
梁昌勇 ;
冷亚军 ;
王勇胜 ;
戚筱雯 .
中国管理科学, 2013, 21 (03) :153-158
[5]   基于近邻评分填补的协同过滤推荐算法 [J].
冷亚军 ;
梁昌勇 ;
陆青 ;
陆文星 .
计算机工程, 2012, 38 (21) :56-58+66
[6]   大数据时代的挑战、价值与应对策略 [J].
陈如明 .
移动通信, 2012, 36 (17) :14-15
[7]   基于PCA-SOM的混合协同过滤模型 [J].
郁雪 ;
李敏强 .
系统工程理论与实践, 2010, 30 (10) :1850-1854
[8]   两阶段联合聚类协同过滤算法 [J].
吴湖 ;
王永吉 ;
王哲 ;
王秀利 ;
杜栓柱 .
软件学报, 2010, 21 (05) :1042-1054
[9]   互联网推荐系统比较研究 [J].
许海玲 ;
吴潇 ;
李晓东 ;
阎保平 .
软件学报, 2009, 20 (02) :350-362
[10]   两方参与的隐私保护协同过滤推荐研究 [J].
张锋 ;
孙雪冬 ;
常会友 ;
赵淦森 .
电子学报, 2009, 37 (01) :84-89