Paper Reading:个性化推荐系统的研究进展
论文:个性化推荐系统的研究进展 发表时间:2009 发表作者:刘建国,周涛,汪秉宏 论文链接: 论文链接 本文发表在2009,对经典个性化推荐算法做了基本的介绍,是非常好的一篇中文推荐系统方面的文章。 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 <font color=red>本质就是信息过滤</font> 。 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 , 以及当时兴起的 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。 一个完整的推荐系统由 3 个部分组成:收集用户信息的行为记录模块, 分析用户喜好的模型分析模块和推荐算法模块 。行为记录模块负责记录用户的喜好行为, 例如问答 、 评分 、 购买、 下载、 浏览等。模型分析模块的功能能够对用户的行为记录进行分析, 建立合适的模型来描述用户的喜好信息 。最后是推荐算法模块 , 利用后台的推荐算法, 实时地从产品集合中筛选出用户感兴趣的产品进行推荐 。其中 , 推荐算法模块是推荐系统中最为核心的部分。 协同过滤系统