个性化推荐系统综述

友情文档

个性化推荐系统综述

作者：姚金平

来源：《中国集体经济》2020年第25期

摘要：随着web2.0时代的到来，互联网产业得到了飞速发展，带来了数据量的指数型增长。激增的数据量超过了人们的数据处理能力，从而导致了信息过载的问题。为了解决信息过载等问题，个性化推荐系统随之而产生。个性化推荐系统作为解决信息过载问题的有效技术，收到了广泛的关注。文章从“朋友推荐”和“互惠推荐”的角度，对现有的研究进行了总结和评估，提出了目前推荐系统尚未解决的问题。

关键词：信息过载;个性化推荐;朋友推荐;互惠推荐

一、引言

为了解决信息过载问题，人们建立了以关键字搜索为核心的搜索引擎。搜索引擎虽然在一定程度上缓解了信息过载的问题，但是由于自身的局限性，未能够解决人们对信息搜索高效需求。因为传统的搜索引擎需要用户有明确的目标，再根据用户输入目标关键词来搜索关键词的相关内容。但是，现实中用户浏览网页时往往没有特定的目标，只是粗略的寻找自己可能感兴趣的信息，不能高效的获取用户所需要的信息，所以简单的关键字搜索无法高效的满足用户对信息的需求。再者，传统搜索引擎不能满足用户的个性化信息服务需求，传统的搜索引擎对关键字搜索结果对于所用的用户都是相同的。搜索引擎在本质上是一种针对大众的通用性需求提供的被动式服务工具，所以它无法满足用户的个性化需求。因此人们需要一种既能满足用户个性化需求又能达到信息过滤效果的工具，在此情况下，个性化推荐系统出现在人们的视野中。

二、推荐系统

推荐系统作为个性化服务的重要领域，通过挖掘用户和项目之间的关系，为用户提供可能感兴趣的信息、服务。上下文感知推荐系统作为推荐系统研究中的重要领域之一，进一步提高了推荐系统的准确性。王立才等人对上下文感知推荐系统近几年来的发展做了一个详细的综述，对其系统框架、关键技术、主要模型、效用评价以及应用实践等进行了前沿概括、比较和分析，同时也指出目前对于上下文感知推荐方面存在冷启动等问题。Alhabashneh等学者则是在企业信息系统中利用上下文感知信息选择与查询主题相关的最相关的文档和专家。对于推荐系统数据稀疏导致准确率低的问题，Amman，Jordan提出了一种基于用户的多标准推荐方法，将项目的多标准评级与用户的信任信息相结合，用来缓解基于用户的CF技术问题。Li，Fang 等人定义推荐链接的效用并制定一个新的研究问题—基于效用的链接推荐问题，用来解决现有的链接推荐方法只推荐了可能由用户建立的链接，但忽略了推荐链接可能给运营商带来好处的问题。