推荐算法研究综述
推荐系统是帮助用户解决信息过载问题的有效工具，已被广泛应用于包括电子商务等在内的多个商业领域。协同过滤、基于内容推荐是目前比较主流的推荐算法。本文综述了相关算法，分析了各自方法的优势与不足，进一步分析了推荐系统中常用的相似性计算方法和评分估计方法。经过多年发展，推荐技术取得了长足进步，然而现有的推荐算法仍面临诸多困难与挑战，其中数据稀疏、可扩展性、用户隐私和特征提取是主要问题。现有的技术和方法都不能从根本上解决这些问题。随着应用领域的不断拓展，推荐系统还会面临新的需求与问题。推荐系统的发展与它面临的问题和挑战密不可分，针对以上问题的推荐方法研究仍是信息检索、数据挖掘和机器学习等智能信息处理领域的热点。
推荐系统 信息处理 数据挖掘 机器学习
周杰 杨鹏 张晶晶
北京联合大学北京市信息服务工程重点实验室 北京100101 北京联合大学北京市信息服务工程重点实验室 北京100101;北京科技大学 北京100083
国内会议
北京
中文
66-69
2015-12-11（万方平台首次上网日期，不代表论文的发表时间）