基于排序学习的推荐算法研究综述

被引：109

作者：

黄震华 ^{[1
]}

张佳雯 ^{[1
]}

田春岐 ^{[1
]}

孙圣力 ^{[2
]}

向阳 ^{[1
]}

机构：

[1] 同济大学电子与信息工程学院

[2] 北京大学软件与微电子学院

来源：

软件学报 | 2016年 / 27卷 / 03期

关键词：

排序学习; 推荐算法; 机器学习; 兴趣模型; 个性化服务;

D O I：

10.13328/j.cnki.jos.004948

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

排序学习技术尝试用机器学习的方法解决排序问题,已被深入研究并广泛应用于不同的领域,如信息检索、文本挖掘、个性化推荐、生物医学等.将排序学习融入推荐算法中,研究如何整合大量用户和物品的特征,构建更加贴合用户偏好需求的用户模型,以提高推荐算法的性能和用户满意度,成为基于排序学习推荐算法的主要任务.对近些年基于排序学习的推荐算法研究进展进行综述,并对其问题定义、关键技术、效用评价、应用进展等进行概括、比较和分析.最后,对基于排序学习的推荐算法的未来发展趋势进行探讨和展望.

引用

页码：691 / 713

页数：23

共 56 条

[1] 社会化推荐系统研究 [J].