个性化推荐算法研究  

Survey of Personalized Recommendation Algorithms

作　　者：陈洁敏[1] 汤庸[1] 李建国[1] 蔡奕彬[1] 

机构地区：[1]华南师范大学计算机学院,广州510631

出　　处：《华南师范大学学报（自然科学版）》2014年第5期8-15,共8页Journal of South China Normal University(Natural Science Edition)

基　　金：国家863项目(2013AA01A212);国家自然科学基金项目(61370229;61272067);国家科技支撑计划项目(2013BAH72B01);广东省自然基金团队研究项目(S2012030006242);广东省重大科技专项计划项目(2012A080104019);广东省科技计划项目(2011B080100031)

摘　　要：随着全球信息总量的爆炸式增长,信息超载问题无法避免且日趋严重化.个性化推荐系统是当前解决信息过载问题的有效技术.该文首先阐述了推荐系统概念定义及其三大组成模块,其次深入分析了个性化推荐算法,详细讨论了当前主流的四大类推荐算法:基于内容的推荐算法、协同过滤推荐算法、基于知识的推荐算法和混合的推荐算法,从多角度对各算法的优缺点进行对比,然后阐述了常用评价方法、评测指标及对测试标准进行分类,并且介绍了常用数据集,最后展望个性化推荐未来研究热点.As the explosive growth of global information ,the information overload is one of the most critical prob-lems and is becoming more and more serious .Recommendation systems are one of the powerful ways to solve the problem.The definition of recommendation system is first introduced .A comparison study is conducted based on the four main recommendation algorithms： content-based recommendation , collaborative filtering recommendation , knowledge-based recommendation and hybrid recommendation .The evaluation methods , evaluation metrics and recommendation benchmarked datasets are also presented .At last the difficulties and future directions of recommen-dation systems are given .

关 键 词：推荐系统 推荐算法 协同过滤 个性化 信息过载 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]