个性化推荐系统研究综述

个性化推荐系统研究综述【摘要】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。给出个性化推荐系统的定义，国内外研究现状，同时阐述了推荐系统的推荐算法。最后对个性化推系统做出总结与展望。【关键词】推荐系统；推荐算法；个性化1.个性化推荐系统1.1个性化推荐系统的概论推荐系统是一种特殊形式的信息过滤系统（InformationFiltering），推荐系统通过分析用户的历史兴趣和偏好信息，可以在项目空间中确定用户现在和将来可能会喜欢的项目，进而主动向用户提供相应的项目推荐服务[1]。传统推荐系统认为推荐系统通过获得用户个人兴趣，根据推荐算法，并对用户进行产品推荐。事实上，推荐系统不仅局限于单向的信息传递，还可以同时实现面向终端客户和面向企业的双向信息传递。一个完整的推荐系统由3个部分组成：收集用户信息的行为记录模块，分析用户喜好的模型分析模块和推荐算法模块，其中推荐算法模块是推荐系统中最为核心的部分。推荐系统把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配，同时使用相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后推荐给用户。1.2国内外研究现状推荐系统的研宄开始于上世纪90年代初期，推荐系统大量借鉴了相关领域的研宄成果，在推荐系统的研宄中广泛应用了认知科学、近似理论、信息检索、预测理论、管理科学以及市场建模等多个领域的知识。随着互联网的普及和电子商务的发展，推荐系统逐渐成为电子商务IT技术的一个重要研究内容，得到了越来越多研究者的关注。ACM从1999年开始每年召开一次电子商务的研讨会，其中关于电子商务推荐系统的研究文章占据了很大比重。个性化推荐研究直到20世纪90年代才被作为一个独立的概念提出来。最近的迅猛发展，来源于Web210技术的成熟。有了这个技术，用户不再是被动的网页浏览者，而是成为主动参与者[2]。个性化推荐系统的研究内容和研究方向主要包括：（1）推荐系统的推荐精度和实时性是一对矛盾的研究；（2）推荐质量研究，例如在客户评价数据的极端稀疏性使得推荐系统无法产生有效的推荐，推荐系统的推荐质量难以保证；（3）多种数据多种技术集成性研究；（4）数据挖掘技术在个性化推荐系统中的应用问题，基于Web挖掘的推荐系统得到了越来越多研究者的关注；（5）由于推荐系统需要分析用户购买习惯和兴趣爱好，涉及到用户隐私问题，如何在提供推荐服务的同时有效保护用户隐私值得作进一步深入的研究；（6）关于推荐结果的解释的研究；（7）关于推荐系统规模性的研究等。2.推荐算法和不同类型的推荐系统2.1协同过滤系统协同过滤系统，首先利用用户的历史信息计算用户之间的相似性；然后，利用与目标用户相似性较高的邻居对其他产品的评价来预测目标用户对特定产品的喜好程度。系统根据这一喜好程度来对目标用户进行推荐。协同过滤推荐系统最大的优点是对推荐对象没有特殊的要求，能处理音乐、电影等难以进行文本结构化表示的对象。协同过滤系统是目前应用最为广泛的个性化推荐系统，其中Grundy被认为是第一个投入应用的协同过滤系统。协同过滤推荐系统的算法可以分为两类：基于记忆的和基于模型的算法。基于记忆的算法根据系统中所有被打过分的产品信息进行预测；基于模型的算法收集打分数据进行学习并推断用户行为模型，进而对某个产品进行预测打分。协同过滤系统因为有以下的优点，在实际系统中得到了广泛的应用：（1）具有推荐新信息的能力，可以发现用户潜在的但自己尚未觉察的兴趣偏好；（2）能够推荐艺术品、音乐、电影等难以进行内容分析的产品。虽然协同过滤推荐系统得到了广泛的应用，但是也面临很多问题，例如冷启动问题等。2.2基于内容的推荐系统最初的基于内容的推荐系统是协同过滤技术的延续与发展，它不需要依据用户对项目的评价意见，而是依据用户已经选择的产品内容信息计算用户之间的相似性，进而进行相应的推荐.随着机器学习等技术的完善，当前的基于内容的推荐系统可以分别对用户和产品建立配置文件，通过分析已经购买或浏览过的内容，建立或更新用户的配置文件。系统可以比较用户与产品配置文件的相似度，并直接向用户推荐与其配置文件最相似的产品。基于内容的推荐系统中，用户的配置文件构建与更新是其中最为核心的部分之一，也是目前研究人员关注的焦点。基于内容推荐的优点有：（1）可以处理新用户和新产品冷启动问题；（2）可以不受打分稀疏性问题的约束。（3）能推荐新出现的产品和非流行的产品，能够发现隐藏的暗信息。（4）通过列出推荐项目的内容特征，可以解释为什么推荐这些产品。但是基于内容的推荐系统不可避免地受到信息获取技术的约束。2.3基于网络结构的推荐算法基于网络结构的推荐算法不考虑用户和产品的内容特征，而仅仅把它们看成抽象的节点，所有算法利用的信息都藏在用户和产品的选择关系之中。基于网络结构的算法开辟了推荐算法研究的新方向.然而，该算法也面临着新用户，新产品等问题.如将许多实际的推荐系统把上述几种推荐算法有机结合起来也可以取得不错的应用效果。3.总结与展望最近几年，随着互联网的高速发展，我们身处的信息世界的组织和结构有了很大的变化.首先，信息量的爆炸性增长使得一个普通用户搜寻自己感兴趣内容的难度和成本都提高了很多；其次，大量的信息被安静地放在网络的旮角，因为访问量小，因此不为人知。我们说对推荐系统的研究，既有重大的社会价值，又有重大的经济意义，就是指它既能作为信息过滤的工具帮助用户更好地利用互联网信息，又能作为网站营销的武器，提高网站的用户黏着度和推广相关产品或服务。[科]【参考文献】[1]P.Resnick，H.R.Varian.Recommendersystems，Commun.ACM，vol.40，iss.3：56-58，1997.[2]HillW，SteadL，RosensteinM，etal.Recommendingandeval-uatingchoicesinavirtualcommunityofuse.ProcConfHumanFactorsinComputingSystems.Denver，1995：194）201.[3]邓爱林.电子商务推荐系统关键技术研究[D].上海：复旦大学，2003.[4]陶启萍，基于Web数据挖掘的电子商务推荐系统研究.辽宁工程技术大学硕士学位论文，2005：17-18.