个性化推荐系统的研究进展

被引:431
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 Fribourg
[3] 上海系统科学研究院复杂适应系统研究所,上海理工大学
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
收藏
页码:1 / 15
页数:15
相关论文
共 23 条
[1]   Cooperative query rewriting for decision making support and recommender systems [J].
Mirzadeh, Nader ;
Ricci, Francesco .
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 [J].
Kazienko, Przemyslaw ;
Adamski, Michal .
INFORMATION SCIENCES, 2007, 177 (11) :2269-2295
[4]   An integrated environment for the development of knowledge-based recommender applications [J].
Felfernig, Alexander ;
Friedrich, Gerhard ;
Jannach, Dietmar ;
Zanker, Markus .
INTERNATIONAL JOURNAL OF ELECTRONIC COMMERCE, 2006, 11 (02) :11-34
[5]   A content-collaborative recommender that exploits WordNet-based user profiles for neighborhood formation [J].
Degemmis, Marco ;
Lops, Pasquale ;
Semeraro, Giovanni .
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 [J].
Middleton, SE ;
Shadbolt, NR ;
De Roure, DC .
ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :54-88
[8]   Applying associative retrieval techniques to alleviate the sparsity problem in collaborative filtering [J].
Huang, Z ;
Chen, H ;
Zeng, D .
ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :116-142
[9]   Item-based top-N recommendation algorithms [J].
Deshpande, M ;
Karypis, G .
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)