文献类型：期刊文章

作　　者：赵海燕[1] 赵佳斌[1] 陈庆奎[1] 曹健[2]

ZHAO Hai-yan;ZHAO Jia-bin;CHEN Qing-kui;CAO Jian(Shanghai Key Lab of Modern Optical System,and Engineering Research Center of Optical Instrument and System,Ministry of Education,University of Shanghai for Science and Technology,Shanghai 200093,China;Department of Computer Science and Technology,Shanghai Jiao Tong University,Shanghai 200030,China)

机构地区：[1]上海理工大学光电信息与计算机工程学院上海市现代光学系统重点实验室光学仪器与系统教育部工程研究中心,上海200093 [2]上海交通大学计算机科学与技术系,上海200030

出　　处：《小型微型计算机系统》

基　　金：国家重点研发计划项目(2018YFB1003800)资助;国家自然科学基金项目(61472253)资助;上海市科委项目(15411952502,14511107702)资助

年　　份：2019

卷　　号：40

期　　号：9

起止页码：1869-1875

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：推荐系统是解决信息过载的一个有效工具,旨在捕获用户的兴趣以提供个性化的推荐.近年来,基于会话的推荐系统的研究和应用在推荐系统研究领域受到越来越多的关注.研究如何利用用户会话信息进一步提高推荐系统的推荐精确度和用户满意度,成为基于会话推荐系统的主要任务.本文从近几年基于会话的推荐系统的研究进展进行综述.对其含义、应用场景、主要算法、数据集以及评价指标等进行了概括、比较和分析.最后,对基于会话的推荐系统有待深入的研究难点和发展趋势进行了展望.

关 键 词：基于会话  推荐系统 连续推荐  深度学习  马尔可夫模型

分 类 号：TP391]