大数据分析中的推荐系统研究.pdf

大数据分析中的推荐系统研究--第1页

大数据分析中的推荐系统研究

随着社会信息化的不断发展，数据的积累量呈爆炸式增长。大

数据作为当前的社会热点之一，正被广泛应用到各个领域。其中，

推荐系统是大数据分析中的一项重要应用。推荐系统是指根据用

户的历史数据、兴趣爱好和行为等信息，对用户进行有针对性的

个性化推荐，目前在电商、文娱、社交等领域得到了广泛应用。

一、推荐系统的概述

推荐系统是运用信息过滤技术，根据用户的行为、情感及偏好

等特征，通过计算机程序自动挑选和推荐符合用户需要的信息或

物品。推荐系统的研究主要分为三个方向：内容导向

CF(CollaborativeFiltering)和基于内容的推荐系统Content-Based

RecommendationSystem)以及混合型推荐系统。其中CF系统是目

前应用最广泛的一种推荐算法。

以CF算法为例，这种算法主要通过大量用户的历史行为数据

（比如阅读、购买等），计算用户之间的相似度，然后将这种相

似度转化为权重，再根据权重给用户进行推荐。这种算法的优势

在于易于实现和用户体验良好，但是对于新用户和稀缺数据缺乏

有效的解决方案。

大数据分析中的推荐系统研究--第1页

大数据分析中的推荐系统研究--第2页

基于内容的推荐系统则主要通过挖掘用户的兴趣爱好和需求，

进行基于物品特征的相似度计算，然后推荐具有相似特征的物品，

但是这种算法也存在挖掘效果差、存在“死角”（即如果一个用户

之前没有看过与其兴趣相似的部分信息，那么推荐系统很难将这

部分信息推荐给该用户）等问题。

二、推荐系统的应用

推荐系统的应用已经深入到各个领域，几乎每个人都在日常生

活中体验到了推荐系统所带来的便利。在电商领域中，例如淘宝、

京东等电商平台，通过记录用户的购买历史和浏览记录，将商品

进行推荐给用户，大大提高了用户购买的效率。在文娱领域可以

见到，像网易云音乐、优酷、爱奇艺等平台，根据用户的收听、

播放历史，推荐类似风格和内容的新音乐和电影。此外，在社交

领域中，像微博、微信等社交平台，通过管理用户的好友及其互

动方式，对用户进行合适的好友推荐。这一类推荐算法已经成为

产品选择和用户粘性提升的重要手段。

三、推荐系统的挑战

大数据分析中的推荐系统研究--第2页

大数据分析中的推荐系统研究--第3页

尽管推荐系统在诸多领域中取得了良好的应用效果和发展，但

在实际应用中仍然存在很多挑战，需要进一步解决。主要包括以

下几个方面：

1.数据稀疏性：目前的数据缺乏覆盖面和细节程度，往往对新

用户和长尾问题的解决不理想。

2.新颖性推荐：推荐系统在推荐时经常出现让用户觉得“毫无

新意”的情况，在这方面的挑战还有很大的进步空间。

3.针对性推荐：由于用户信息的获取、分类和对比等限制性条

件，如果不进行针对性控制，容易出现“类似推荐”或“幸存者偏差”

等情况。

4.用户隐私：推荐系统在对用户信息进行目的性处理时，必须

采取一系列可控、可靠和安全的操作，保护用户的隐私。

四、推荐系统的未来

大数据分析中的推荐系统研究--第3页

大数据分析中的推荐系统研究--第4页

推荐系统正逐步向多元化方向发展，除了个性化推荐，也在向

周边信息推荐、情境感知推荐等方向拓展。还有值得关注的一个

走向是“社会化推荐”。这是指用户的关系网络被引入推荐过程，

其目的在于挖掘用户与用户之间潜在的、类似的和交叉的关系，

从而形成社会信任评价，并推荐与其好友喜好相近的产品或信息。