数据挖掘中的推荐算法综述

《数据挖掘中的推荐算法综述》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、ISSN1009-3044E-mail:eduf@cccc.net.cn第Co8m卷第puterK19no期wledg(e2012andT年ech7n月olo)gy电脑知识与技术ComputerKnowledgeandTechttp://www.dnzs.net.cnhnology电脑知识与技术Vol.8,No.19,July2012.Tel:+86-551-56909635690964数据挖掘中的推荐算法综述12耿鑫，刘晋佩（1.同济大学计算机科学与技术系，上海201804；2.厦门大学信息科学与技术学院自动化系

2、，福建厦门363105)摘要：推荐算法是推荐系统的核心，近年来，推荐系统受到了研究人员和学术界的关注，到目前，研究人员提出了很多推荐算法。该文侧重讨论现有的推荐算法及其性能，并在此基础上，进一步提出了未来的研究方向。关键词：数据挖掘；推荐系统；协同过滤中图分类号：TP301文献标识码：A文章编号：1009-3044(2012)19-4691-06SurveyofRecommenderAlgorithmsinDataMiningGENGXin1,LIUJin-pei2(1.DepartmentofComputerSc

3、ienceandTechnology,TongjiUniversity,Shanghai201804,China;2.DepartmentofAutomation,XiamenUniversity,Xiamen363105,China)Abstract:Therecommenderalgorithmisthemajorpartoftherecommendersystem.Inrecentyears,researchersandacademicshavepaidmoreattentiontotherecommende

4、rsystemandproposedalotofrecommendationalgorithm.Thispaperfocusesondiscussionoftheexist⁃ingrecommendationalgorithmanditsperformance,andonthisbasis,thefutureresearchdirections.Keywords:datamining;recommendersystem;collaberativefiltering1概述在知识爆炸的互联网时代，网络的信息量以指数级的

5、速度在不断增长，简单搜索引擎已无法满足用户在海量信量中获取信息的需要，信息的利用率降低。为解决这一问题，研究人员提出了推荐系统，可有效地解决在海量信息中的获取有用信息的问题。推荐系统是通过分析用户的历史行为，提示用户习惯和喜好，建立相应的推荐算法，为每个用户产生一个推荐列表，使其可以快速地找到自己感兴趣的信息。上世纪末，推荐系统主要应用于音乐、电影、书籍等产品的推荐。近年来，推荐系统已被广泛地应用于电子商务领域，成为电子商务中不可缺少的一部分，各大电子商务网站，如Amazon、taobao、ebay都不同程度的使用

6、了推荐系统，显著地提高了电子商务企业的销售额，同时也为用户搜索商品提供了方便。与此同时对推荐系统的研究在理论上促进了多学科的交叉发展。设计出更优秀的推荐算法已经成为理论界关注的热点。目前为止，学者们提出了基于内容的推荐算法、协同过滤推荐算法、基于复杂网络的推荐算法、混合推荐算法等不同的算法，数据挖掘领域、机器学习领域的一些新方法也被应用到推荐算法中。2推荐系统及其关键问题文献[1]给出推荐系统非形式化定义：“利用电子商务网站向客户提供商品信息和建议，帮助客户决定购买的产品，模拟销售人员帮助客户完成购买。”图1给出了

7、推荐系统模型流程，主要过程是收集用户喜好数据和对用户产生推荐两个部分，收集用户喜好数据的方式有两种，一种是显性收集，即向用户主动的收集，例如要求用户填写调查表格；另一种是隐性收集，即收集记录用户行为的历史数据，如浏览过的网页、搜索过的关键词、购买过的物品。对用户产生推荐是推荐系统中最核心的部分，使用推荐算法或推荐模型对用户喜好信息及产品信息进行计算和处理，每个用户均会得到一个产品推荐列表，取推荐列表中排名靠前的产品得到推荐结果，并将推荐结果返回给用户。图1推荐系统模型收稿日期：2012-05-22基金项目：国家自然

8、科学基金（60972036）本栏目责任编辑：唐一东人工智能及识别技术4691ComputerKnowledgeandTechnology电脑知识与技术第8卷第19期(2012年7月)2.1推荐系统评价1）预测准确度评价指标很多推荐系统都用准确度来评价推荐算法的好坏，准确度为推荐算法预测排名与实际排名之间的差异度。预测准确度一个常用的方法是度量推荐系统预测打分