面向跨领域的推荐系统研究现状与趋势

被引：27

作者：

欧辉思

曹健

机构：

[1] 上海交通大学计算机科学与工程系

来源：

小型微型计算机系统 | 2016年 / 37卷 / 07期

关键词：

跨领域; 单领域; 推荐算法; 协同过滤;

D O I：

10.20009/j.cnki.21-1106/tp.2016.07.008

中图分类号：

TP391.3 [检索机];

学科分类号：

080201 [机械制造及其自动化];

摘要：

单领域推荐是学术界与工业界解决推荐问题的主流方法,它通过学习某指定领域的历史数据,来预测该领域的用户行为与偏好.然而,单领域推荐对数据稀疏、冷启动等问题没有很好的解决方案,有较大局限性.为此,将多个领域数据联合考虑,为目标领域推荐提供帮助的跨领域推荐成为推荐系统的热门课题.文中阐述了单领域推荐的不足和跨领域推荐的优势,强调了跨领域推荐的研究意义,介绍了跨领域推荐所要解决的问题与面临的挑战,分析了当前主要的基于跨领域的推荐算法.论文最后讨论了跨领域推荐的未来发展方向.

引用

页码：1411 / 1416

页数：6

共 7 条

[1]

Social knowledge-based recommender system. Application to the movies domain [J].

Carrer-Neto, Walter ;

Luisa Hernandez-Alcaraz, Maria ;

Valencia-Garcia, Rafael ;

Garcia-Sanchez, Francisco .

EXPERT SYSTEMS WITH APPLICATIONS, 2012, 39 (12) :10990-11000

[2]

If you like the devil wears prada the book, will you also enjoy the devil wears prada the movie? A study of cross-domain recommendations [J].

Winoto, Pinata ;

Tang, Tiffany .

NEW GENERATION COMPUTING, 2008, 26 (03) :209-225

[3]

Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance [J].

Willmott, CJ ;

Matsuura, K .

CLIMATE RESEARCH, 2005, 30 (01) :79-82

[4]

Qualitative analysis of user-based and item-based prediction algorithms for recommendation agents [J].

Papagelis, M ;

Plexousakis, D .

ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2005, 18 (07) :781-789

[5]

Item-based top-N recommendation algorithms [J].

Deshpande, M ;

Karypis, G .

ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :143-177

[6]

Maximum Likelihood from Incomplete Data via the EM Algorithm.[J].A. P. Dempster;N. M. Laird;D. B. Rubin.Journal of the Royal Statistical Society. Series.1977, 1

[7]

Nonmetric individual differences multidimensional scaling: An alternating least squares method with optimal scaling features.[J].Yoshio Takane;Forrest W. Young;Jan Leeuw.Psychometrika.1977, 1

← 1 →