电子商务推荐系统综述及发展研究.pdfVIP

电子商务推荐系统综述及发展研究 文／赵良辉 熊作贞 摘要 ：本文在现有文献的基础上给出了推荐系统的定义及 的中心问题是效用度u的计算，并非遍历整个CxS的整个空间， 其发展历史，比较了推荐系统中的几种常用的推荐算法及其优 而是分布到一个流形子空间上。对于某个数据集而言，必须先 缺点，总结了推荐系统的体系结构和未来研究的重点，难点及 对u进行外推，也就是说，对象必须具备用户以前作的评分，未 其热点，最后论述了电子商务企业在实际应用中如何利用推荐 评定的对象的评分必须先根据已标注的对象进行标注外推后才 系统带来价值。 可以使用。各类推荐算法在外推和评分预测上采用了不同的策 关键词 ：电子商务推荐系统 略，设计了不同的效用函数。 直 到 1 0 年 对 推 荐 系 统 的 研 究 才 当 作 一 个 相 对 独 立 引言 的 课 题 被 学 者 们 提 出 来 。 在 1 5 年 ， 由 美 国 学 者 展 示 的 WebWatchet、LIRA、Letizia这三大系统，标志着个性化服务 随着互联网技术的不断发展，海量数据不断生成，这使得 系统的开始。2000年，我国正式开始了个性化推荐系统的研 用户很难从中提取出对其有意义的信息，同时也使得互联网上 究，并逐步从理论走向实践，2009年7月国内首个推荐系统科研 的一部分数据很少被访问，这些数据称为“暗信息”。另一方 团队北京百分点信息科技有限公司成立，该团队专注于推荐引 面随着电子商务的蓬勃发展，给用户的日常生活带来了巨大影 擎技术与解决方案，在其推荐引擎技术与数据平台上汇集了国 响，同时也带来了“信息超载”问题，从而使得信息的利用效 内外百余家知名电子商务网站与资讯类网站，并通过这些B2C 率反而降低了，这很大程度上影响了消费者的购物体验和满意 网站每天为数以千万计的消费者提供实时智能的商品推荐。 度。为解决这些难题，就促使了电子商务企业推出个性化的推 2011年9月，百度世界大会2011上，李彦宏将推荐引擎与云计 荐系统，他是一种以网上购物环境为前提，为消费者推荐符合 算、有哪些信誉好的足球投注网站引擎并列为未来互联网重要战略规划以及发展方向。 其兴趣爱好的商品为目的的系统，使消费者无需从海量信息中 百度新首页将逐步实现个性化，智能地推荐出用户喜欢的网站 寻找自己想要的信息。目前，已有的几个大型电子商务企业推 和常用的APP。 出的推荐系统其推荐策略有很大不同，且对这些推荐策略没有 一个统一的分类标准。根据国内外研究者对推荐策略的研究， 2、现有的推荐算法简介 学者们普遍认可的推荐策略可分为以下几类：协同过滤、基于 内容的推荐、混合推荐、基于用户——产品二部图网络结构的 推荐系统的核心为推荐算法，其决定着推荐系统的种类和 推荐。其中协同过滤是通过对特定的用户群进行挖掘和识别， 性能。目前大部分关于推荐系统的文献是研究这类问题，以下 基于内容的推荐的核心是利用信息过滤技术，而将两者进行有 为几种主要推荐算法的简介及其优缺点。 机结合则是混合推荐。 1. 协同过滤推荐 协同过滤推荐策略是最早被提出，且在推荐系统中应用研 1、推荐系统的定义及其发展历程 究最为广泛。其基本思想：利用目标用户C的历史信息，找到与 C相似的其他用户Ci，利用Ci对其他产品的评价来预测C对特定 学者们给出推荐系统的定