文献类型：期刊文章

作　　者：刘建国[1,2] 周涛[1,2] 汪秉宏[1,3]

机构地区：[1]中国科学技术大学,近代物理系,理论物理研究所,合肥230026 [2]Department of Physics,University of Fribourg [3]上海系统科学研究院复杂适应系统研究所,上海理工大学,上海200093

出　　处：《自然科学进展》

基　　金：国家重点基础研究发展计划(批准号:2006CB705500);国家自然科学基金(批准号:10635040;60744003;10532060;10472116)资助项目

年　　份：2009

卷　　号：19

期　　号：1

起止页码：1-15

语　　种：中文

收录情况：BDHX、BDHX2008、JST、核心刊

摘　　要：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、认知科学等多学科的关注,它与管理科学、消费行为等研究也密切相关.能够为不同学科领域的科研工作者研究推荐系统提供借鉴,有助于我国学者了解该领域的主要进展.

关 键 词：推荐系统 个性化推荐 协同过滤 基于内容的推荐  基于网络的推荐  

分 类 号：TP311] G350[计算机类]