协同过滤推荐算法综述  

Survey of Collaborative Filtering Algorithms

作　　者：马宏伟[1] 张光卫[2] 李鹏[3] 

机构地区：[1]山东建筑大学计算机科学与技术学院,山东济南250101 [2]北京航空航天大学软件开发环境国家重点实验室,北京100083 [3]哈尔滨工业大学深圳研究生院信息安全中心,广东深圳518055

出　　处：《小型微型计算机系统》2009年第7期1282-1288,共7页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(60496323)资助

摘　　要：推荐系统是电子商务系统最重要的技术之一,协同过滤推荐是目前应用最广泛和最成功的推荐系统.介绍协同过滤推荐算法的基本思想和最新研究进展,分析目前出现的代表性算法.总结协同过滤推荐算法中的关键问题和相关解决方案,比如相似性比较,数据稀疏性问题,推荐的实时性,推荐策略,评估方法等,同时也对比分析各种方法的优缺点.最后介绍协同过滤推荐算法需要进一步解决的问题和可能的发展方向.Recommender system in E-commerce analyzes preferences of users and presents recommendations, offering personalized purchase service. This paper presents an overview of the field of collaborative filtering recommender systems and describes main techniques applied in the current generation of collaborative filtering algorithm. This paper also describes various limitations of current recommendation methods and discusses the possible ways that can improve recommendation capabilities and make recommender systems applicable to an even larger range of applications.

关 键 词：推荐系统 协同过滤推荐算法 稀疏性 扩展性 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]