推荐系统综述

本篇文章是对我过去几个月所看文献的总结

目录

• 什么是推荐系统
• 经典的推荐方法
• 当前研究的热点

 

 

一、什么是推荐系统

  随着信息技术的不断发展，如今互联网已经成为了人们日常生活中密不可分的一部分。人们每天都会在互联网上进行各种各样的活动例如看电影、购物、阅读新闻时事等，但随着互联网上信息的越来越多，人们发现越来越难以从互联网上的海量信息中找出最适合自己的那些，例如当你登录Netflix想要看一部电影放松时却不知道哪一部符合自己的口味。推荐系统的出现正是为了解决这种“信息过载”的问题，它会预测用户的需求并推荐给用户其可能会喜欢的内容。

  在推荐系统发展的早期，常见的推荐方法是简单的依据物品的销量、话题的点击量或新闻的阅读量等进行排序，然后选取排在最前面的N个物品组成排行榜并推荐给用户。这种方法具有非常不错的效果，直到今天我们仍能经常在各大网站上看到类似的功能。但另一方面，这种方法也存在着巨大的缺陷，即只有少量的排在前列的物品能够得到推荐，更多的物品则被埋没不为人知，根据营销中的“长尾理论”我们知道细小市场的累计所产生的利润同样是巨大的，因此如何充分利用已有资源（物品），并使得推荐尽可能准确，成为了推荐系统领域研究的主要目标，由此个性化推荐系统应运而生。个性化推荐系统，顾名思义即指根据用户的个性与偏好来产生推荐内容，由于不同用户的个性与偏好存在差异因此对其推荐的内容也会有所不同，这样一方面可以使得更多的物品得到推荐，利于获取更多小的细分市场的利润；另一方面，由于推荐是根据用户的偏好产生的，因此推荐成功的概率也更高。

据报道，推荐系统给亚马逊带来了35%的销售收入，给Netflix带来了高达75%的消费，并且Youtube主页上60%的浏览来自推荐服务。因此，有关推荐系统的研究具有十分深远的意义与巨大的实用价值。

 

二、经典的推荐方法

  个性化推荐系统的核心功能是根据用户的偏好来产生用户喜欢的推荐，因此个性化推荐方法必须具有识别出用户偏好的能力和预测用户对某种物品可能感兴趣程度的能力，然后根据物品感兴趣程度的高低来决定应该推荐的物品。根据实现这两种能力方式的不同，我们可以对所有的个性化推荐方法进行归类，在广泛阅读了该领域内前人的研究后我将它们划分为以下几类：

1、基于内容

系统向用户推荐与他们过去兴趣相似的物品。在这种方法中，系统会事先对物品标记上相应的属性特征，然后提取用户已购买物品的属性特征作为用户的偏好。当需要产生推荐时，系统会计算待推荐物