首页|个性化推荐系统的研究进展

个性化推荐系统的研究进展

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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一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.

刘建国、周涛、汪秉宏

展开 >

中国科学技术大学,近代物理系,理论物理研究所,合肥,230026

Department,of,Physics,University,of,Fribourg,Switzerland,CH-1700

上海系统科学研究院复杂适应系统研究所,上海理工大学,上海,200093

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

国家重点基础研究发展规划(973计划)国家自然科学基金国家自然科学基金国家自然科学基金国家自然科学基金

2006CB70550010635040607440031053206010472116

2009

自然科学进展
国家自然科学基金委员会 中国科学院

自然科学进展

CSTPCDCSCD北大核心
影响因子：0.843
ISSN：1002-008X
年,卷(期)：2009.19(1)
  • 1
  • 429
  • 96