基于多目标优化的推荐系统综述

嘿，记得给“机器学习与推荐算法”添加星标

---

推荐系统已经广泛应用于多个领域，其通过根据用户偏好推荐可能感兴趣的物品来进行辅助决策。其中比较流行的推荐算法是基于模型的方法，它对特定的目标进行优化以提高推荐性能。然而，这些传统的推荐模型通常只处理单一的目标，例如最小化预测误差或最大化推荐的排名质量。

近年来，考虑多目标推荐系统的需求日益增多。例如，可以通过优化推荐的准确性、新颖性和多样性等多个指标来构建完善的推荐模型。多目标优化方法已取得了很好的发展，并应用于推荐系统领域。在本篇文章中，该文提供了一个多目标推荐系统的全面文献综述 (Multi-objective Recommender Systems, MORS)。特别是，确定了多目标推荐系统在哪些情况下可以发挥作用，并总结了推荐系统的方法和评估方式，指出了现有的挑战或不足，最后为多目标推荐系统的发展提供了指导方针和建议。

https://www.sciencedirect.com/science/article/pii/S0925231221017185

这篇论文的主要贡献如下：

• 本文首次对多目标推荐系统进行了全面综述。

• 本文总结了多目标推荐方法发挥作用的情况，为推荐系统和该领域的研究人员提供了关于多目标优化的指导。

• 本文介绍并讨论了多目标优化技术及其在推荐系统中的应用。此外，还指出了当前发展中多