协作过滤信息推荐技术研究

被引:5
作者
纪良浩
机构
[1] 重庆邮电大学计算机科学与技术学院
关键词
个性化服务; 协作过滤; 稀疏性; 伸缩性;
D O I
暂无
中图分类号
TP391.3 [检索机];
学科分类号
081203 ; 0835 ;
摘要
随着网络技术的发展、网络上信息量的不断增多以及电子商务的普及,协作过滤得到了广泛的应用。在对协作过滤信息推荐技术基本思想、算法分类等相关内容概述的基础上,总结了其当前存在的3个方面的主要问题:冷启动、数据高维稀疏、以及算法的可伸缩性,同时分析了当前国际、国内的研究进展情况,对主要的方法、技术等进行了扼要的概述与总结。对推荐算法中相似性度量方法、预测评分的策略、推荐质量的度量标准、未来可能的研究方向等分别进行了论述。
引用
收藏
页码:78 / 82
页数:5
相关论文
共 24 条
[1]   基于随机游走和聚类平滑的协同过滤推荐算法 [J].
周军军 ;
王明文 ;
何世柱 ;
石松 .
广西师范大学学报(自然科学版), 2011, 29 (01) :173-178
[2]   电子商务协同过滤稀疏性研究:一个分类视角 [J].
李聪 ;
梁昌勇 ;
杨善林 .
管理工程学报, 2011, 25 (01) :94-101
[3]   一种优化的Item-based协同过滤推荐算法 [J].
汪静 ;
印鉴 .
小型微型计算机系统, 2010, 31 (12) :2337-2342
[4]   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
[5]   基于结果聚类分析的个性化推荐模型 [J].
罗文兵 ;
吴润秀 ;
王明文 ;
朱莹婷 ;
熊超 .
广西师范大学学报(自然科学版), 2010, 28 (01) :113-116
[6]   基于BP神经网络的协作过滤推荐算法 [J].
张磊 ;
陈俊亮 ;
孟祥武 ;
沈筱彦 ;
段锟 .
北京邮电大学学报, 2009, 32 (06) :42-46
[7]   一种压缩稀疏用户评分矩阵的协同过滤算法 [J].
侯翠琴 ;
焦李成 ;
张文革 .
西安电子科技大学学报, 2009, 36 (04) :614-618+638
[8]   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
[9]   一种基于用户兴趣局部相似性的推荐算法 [J].
吴发青 ;
贺樑 ;
夏薇薇 ;
任磊 .
计算机应用, 2008, (08) :1981-1985+1990
[10]  
推荐系统研究进展及展望[J]. 刘鲁,任晓丽.信息系统学报. 2008(01)