发布时间 : 星期一 文章个性化推荐算法综述更新完毕开始阅读
龙源期刊网 http://www.qikan.com.cn
个性化推荐算法综述
作者：孙光浩 刘丹青 李梦云 来源：《软件》2017年第07期
摘要：在现有文献统计下个性化推荐算法可以分为如下三类：基于内容的推荐（Content-based Recommendation）、基于协同过滤的推荐
（CollaborativeFilteringbasedRecommendation），以及混合型推荐系统（Hybrid
Recommendation）。其中，基于协同过滤的推荐因其对专家知识依赖度低以及可以利用群体智慧等特点，得到了最为深入也最为广泛的研究，它又可以被分为多个子类别，主要包括基于用户的协同过滤（User-based CF），基于物品的协同过滤（Item-based CF），以及基于模型的协同过滤（Model-based CF），等。其中基于模型的推荐是一类方法的统称，它指利用系统已有的数据和用户历史行为，学习和构建一个模型，进而利用该模型进行用户偏好建模、预测与个性化推荐，根据具体应用场景和可用数据的不同，这里的模型可以是常用的奇异值分解等矩阵分解模型，也可以是主题模型、人工神经网络、概率图模型、组合优化甚至深度学习等机器学习模型。在下面的部分，我们将在如上几个方面对个性化推荐系统的研究现状进行具体的介绍。
关键词：推荐算法；协同过滤；个性化 1研究背景
随着互联网的迅速发展，个性化推荐系统已经逐渐成为各种网络应用中不可缺少的核心功能，并以各种各样的方式影响着人们日常生活的方方面面：电子商务网站中的购物推荐引擎为用户提供可能感兴趣的商品推荐；社交网络中的好友推荐为用户寻找潜在的好友关注；视频网站中的视频推荐为用户提供最可能点击的视频推荐；新闻门户网站中的内容推荐为用户提供最有信息量的新闻——个性化推荐技术已经是支撑互联网智能的基础技术之一。 2国内外现状
互联网的快速发展开启了人类活动线上化的进程，越来越多传统上只能在线下完成的任务变得可以方便快捷地在互联网上完成。已经深入人们日常生活中的电子商务就是这一进程的典型代表，例如阿里巴巴、京东商城、亚马逊网络商城等电子商务网站的普及，使得人们不必走出家门即可购买自己所需要的商品，并且可以在更多的备选商品中进行挑选。不仅限于电子商务应用，社交网络平台如新浪微博和Facebook的兴起使得人们可以在互联网上交友、沟通、获取实时资讯；在线叫车服务如滴滴和Uber的发展使得用户不再需要线下街头打车；在线P2P借贷服务如宜信和Prosper使得用户线上借贷和理财成为可能；在线房地产业务如Zillow和Airbnb的发展则使传统的房地产业务逐步线上化；在线自由职业平台如猪八戒网和亚马逊MTurk的迅速发展甚至使得自由职业者在线工作和任务分配成为可能。