基于用户偏好融合组推荐算法综述.docVIP

基于用户偏好融合组推荐算法综述 　　摘要：传统的推荐系统是面向单个用户的推荐。作为个性化推荐的一个新的延伸，目前有越来越多的推荐系统正试图面向一组成员进行推荐。将推荐对象从单个用户扩展到一组用户的转变带来了许多新的课题，该文将主要介绍目前已有的几种组推荐算法，并总结一般组推荐系统的偏好融合过程。 关键词：组推荐；用户偏好融合；排列融合；组偏好模型；评价标准 中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2014）07-1511-05 1 概述 在传统的推荐系统中，有众多算法对单个用户进行个性化推荐（如协同过滤算法、基于内容的推荐算法、基于标签的推荐算法、基于案例的推荐算法等）。不少传统个性化推荐算法可以同时在精确度和运行时间等方面得到理想的推荐效果；此外，大部分现有算法都采用预测评分的方式预测用户可能喜欢的新闻、商品、电影等项目，以评分的高低作为用户对该项目兴趣度的标准。在该标准之下，用户偏好被量化成为具体的数值，供推荐系统参考。 面向一组用户的推荐算法同样可以采用预测评分作为衡量用户偏好的标准。目前，已经有许多推荐系统融合了组推荐技术[1]。例如，实现web页面推荐的Let’s Browse[2]、I?Spy[3]，实现旅游推荐的Intrigue[4]、CATS[5]，实现音乐推荐的MusicFX[6]，实现电影和电视推荐的F