推荐系统题库.docx

Xiaol v2009-Relevance is more significant than correlation:Information filtering on sparse data本文提出了在针对数据稀疏时，使用相关性信息比关联性信息效果更好，因为在关联性信息中，会用到更多的数据，Recommendation System推荐系统存在的主要挑战：Data sparsity.Scalability解决该问题的一般方法（28-30）有必要考虑计算成本问题和需找推荐算法,这些算法要么是小点的要求或易于并行化(或两者)使用基于增量的算法，随着数据的增加，不重新计算所有的数据，而是微调的进行Cold start解决该问题的方法一般有使用混合推荐技术，结合content和collaborative数据，或者需要基础信息的使用比如用户年龄、位置、喜好genres（31、32）识别不同web服务上的单独用户。比如Baifendian开发了一个可以跟踪到单独用户在几个电子商务网站上的活动，所以对于在网站A的一个冷启动用户，我们可以根据他在B，C，D网站上的记录来解决其冷启动问题。Diversity vs. Accuracy（多样性和精确性）将一些很受欢迎的且高评分的商品推荐给一个用户时，推荐非常高效，但是这种推荐不起多少作用，因为这些商品可以很容易的找到。因此一个好的推荐商品的列表应该包含