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
[11]   结合似然关系模型和用户等级的协同过滤推荐算法 [J].
高滢 ;
齐红 ;
刘杰 ;
刘大有 .
计算机研究与发展, 2008, (09) :1463-1469
[12]  
数据挖掘理论与技术.[M].苏新宁等著;.科学技术文献出版社.2003,
[13]   Integrating content-based filtering with collaborative filtering using co-clustering with augmented matrices [J].
Wu, Meng-Lun ;
Chang, Chia-Hui ;
Liu, Rui-Zhe .
EXPERT SYSTEMS WITH APPLICATIONS, 2014, 41 (06) :2754-2761
[14]  
面向网络社区聆听客户声音方法研究.[D].何建民.合肥工业大学.2010, 06
[15]   基于领域最近邻的协同过滤推荐算法 [J].
李聪 ;
梁昌勇 ;
马丽 .
计算机研究与发展, 2008, (09) :1532-1538
[16]   基于云模型的协同过滤推荐算法 [J].
张光卫 ;
李德毅 ;
李鹏 ;
康建初 ;
陈桂生 .
软件学报, 2007, (10) :2403-2411
[17]   基于影响集的协作过滤推荐算法 [J].
陈健 ;
印鉴 .
软件学报, 2007, (07) :1685-1694
[18]   一种基于用户聚类的协同过滤推荐算法 [J].
李涛 ;
王建东 ;
叶飞跃 ;
冯新宇 ;
张有东 .
系统工程与电子技术, 2007, (07) :1178-1182
[19]   使用BP神经网络缓解协同过滤推荐算法的稀疏性问题 [J].
张锋 ;
常会友 .
计算机研究与发展, 2006, (04) :667-672
[20]   一种优化的协同过滤推荐算法 [J].
周军锋 ;
汤显 ;
郭景峰 .
计算机研究与发展, 2004, (10) :1842-1847