信息检索专业论文-个性化推荐系统.docVIP

个性化推荐系统 摘要：互联网规模和覆盖面的迅速增长带来了信息超载(informatiom overload)的问题过量信息同时呈现使得用户无法从中获取对自己有用的部分,信息使用效率反而降低现有的很多网络应用, 比如门户网站、搜索引擎和专业数据索引本质上都是帮助用户过滤信息的手段然而这些工具只满足主流需求, 没有个性化的考虑,仍然无法很好地解决信息超载的问题。推荐系统作为一种信息过滤的重要手段, 是当前解决信息超载问题的非常有潜力的方法. 1. 引言 互联网技术的迅猛发展把我们带进了信息爆炸的时代. 海量信息的同时呈现，一方面使用户很难从中发现自己感兴趣的部分，另一方面也使得大量少人问津的信息成为网络中的“暗信息”，无法被一般用户获取.个性化推荐系统通过建立用户与信息产品之间的二元关系，利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象，进而进行个性化推荐，其本质就是信息过滤.个性化推荐系统不仅在社会经济中具有重要的应用价值，而且也是一个非常值得研究的科学问题.事实上，它是目前解决信息过载问题最有效的工具. 文中根据推荐算法的不同，分别介绍了协同过滤系统，基于内容的推荐系统，混合推荐系统，以及最近兴起的基于用户—产品二部图网络结构的推荐系统.并结合这些推荐系统的特点以及存在的缺陷，提出了改进的方法和未来可能的若干研究方向. 推荐系统的研究受到了信息科学、计算数学、统计物理学