推薦系統(tǒng)綜述

1、<p><b>　　推薦系統(tǒng)綜述</b></p><p>　　摘 要：互聯(lián)網(wǎng)信息的爆炸式增長，引發(fā)了信息過載問題，選擇有用信息變得困難。而推薦系統(tǒng)可以解決這一問題。論文介紹了推薦系統(tǒng)概念，推薦系統(tǒng)模型，推薦系統(tǒng)普遍使用的技術，推薦系統(tǒng)的問題和發(fā)展方向。 </p><p>　　關鍵詞：推薦系統(tǒng) 物品 用戶 協(xié)同過濾 </p><p>&

2、lt;b>　　1.引言 </b></p><p>　　隨著互聯(lián)網(wǎng)的出現(xiàn)和普及，用戶面對著爆炸式增長的信息，在紛繁復雜的信息中找到恰當?shù)男畔⒆兊美щy。過多的可選擇性雖然給了用戶選擇的自由，但也加大了用戶的選擇難度，降低用戶對信息的使用效率，這就造成了信息過載問題。目前用戶在互聯(lián)網(wǎng)上搜集有效信息的途徑，一般是通過主動地檢索。一方面可以使用搜索引擎工具進行關鍵詞檢索，例如Google，Baidu等，另

3、一方面是通過分類網(wǎng)站進行分類檢索，例如yahoo，hao123等。關鍵詞檢索面臨著的問題是不同的用戶只要輸入的關鍵詞是相同的，檢索結果是一樣的，沒法為用戶提供個性化服務。而分類檢索，則是很多信息分類的標準不確定，不能保證分類的準確性。推薦系統(tǒng)能夠提供個性化的服務，向用戶建議有用的信息，幫助用戶發(fā)掘隱藏的信息。在20世紀90年代中期，推薦系統(tǒng)成為一個獨立的研究領域，目前推薦系統(tǒng)在電子商務領域發(fā)展較好，在學術界也逐步形成一門獨立的學科。 &

4、lt;/p><p>　　2.推薦系統(tǒng)的概念 </p><p>　　推薦系統(tǒng)（Recommender System，RS）是一種軟件工具和技術方法，它可以向用戶建議有用的物品，這種建議適合用于多種決策過程，如購買什么物品、聽什么音樂、在網(wǎng)上瀏覽什么新聞等。推薦系統(tǒng)使用的數(shù)據(jù)包含三種對象：物品，用戶以及用戶和物品之間的關系。物品是被推薦的對象集，推薦系統(tǒng)需要提取對象的屬性和特征，為對象建立一個模型

5、。推薦系統(tǒng)為用戶推薦物品，用戶有不同的目的和特點，推薦系統(tǒng)需要提取用戶的相關信息，為用戶建立相應的模型。推薦系統(tǒng)根據(jù)用戶和推薦系統(tǒng)的交互記錄，比如用戶如何選擇物品，或者用戶對物品的評價，來找到用戶和物品之間的關系。 </p><p><b>　　3.推薦系統(tǒng)技術 </b></p><p>　　推薦系統(tǒng)主要隨著推薦算法變化，推薦算法是推薦系統(tǒng)預測推薦物品的方法，是整個推

6、薦系統(tǒng)中最關鍵和核心的部分。分為基于內容的推薦，協(xié)同過濾推薦，基于知識的推薦，情境感知推薦系統(tǒng)等。 </p><p>　　3.1基于內容的推薦 </p><p>　　基于內容的推薦，收集用戶曾經(jīng)喜歡選擇的物品，去發(fā)掘推薦類似的產品。通過分析用戶之前已評分物品的文檔或描述，比如在電子商務網(wǎng)站中，用戶對已購買商品的評價，對于已評價的物品的特征構建模型。這個模型是用戶興趣的結構化描述，推薦系統(tǒng)在

7、推薦新的物品時，將模型中的物品特征和新物品的特征相匹配，匹配結果就是用戶對某個物品感興趣程度的評價。 </p><p>　　基于內容的推薦系統(tǒng)，有以下優(yōu)點，用戶具有獨立性，因為推薦系統(tǒng)是根據(jù)用戶自己的評分去構建的用戶的個人信息，不需要其他用戶的參與。推薦系統(tǒng)是透明的，用戶可以明確知道推薦系統(tǒng)推薦新物品的原因，因為新物品和之前自己選擇的物品具有相似性。但也有以下缺點，過度特化即驚喜度問題，基于內容的推薦很難發(fā)現(xiàn)新穎

8、的東西。對于新用戶來說，因為沒法收集足夠的評分，系統(tǒng)無法提供可靠的推薦。 </p><p>　　3.2協(xié)同過濾推薦 </p><p>　　協(xié)同過濾方法不需要先去收集關于用戶和商品的信息，它所關注的是用戶對商品的評分，以及用戶購買了什么商品?；谝陨蟽热葸M行推薦。協(xié)同過濾算法中將物品和用戶關聯(lián)起來建立推薦信息。分為基于近鄰的方法和基于模型的方法。 </p><p>　

9、　基于近鄰的方法又分為基于物品的方法和基于用戶的方法。在基于物品的方法中，用戶u對物品i進行評分，物品j是和物品i具有相似特征的物品，算法可以根據(jù)用戶u對物品i的評價來推斷用戶u對物品j的評價，根據(jù)評價的好壞，來決定是否推薦物品j?；谟脩舻姆椒ㄊ牵脩魎和用戶v是有相似評價習慣和興趣愛好的用戶，用戶u對物品i進行評價，而物品i是用戶v沒有購買或使用過的物品。算法通過對用戶u給一些列類似于i的物品的評價進行建模，根據(jù)感興趣程度對用戶v進

10、行推薦。 </p><p>　　基于近鄰的方法在預測中使用已有的用戶對物品的評價數(shù)據(jù)進行預測，基于模型的方法不是直接使用這些已有數(shù)據(jù)進行預測，而是使用這些用戶對物品的評分來建立學習模型。主要思想是使用評分，找出用戶和物品的潛在特征，搭建用戶和物品之間的關系，找出用戶喜愛的類別和物品屬于的類別，在找出二者之間的關系。這種模型是通過已有數(shù)據(jù)進行訓練，然后為用戶預測新的物品。包括貝葉斯聚類、潛在語義分析、潛在狄利克雷分

11、布、最大熵、玻爾茲曼機、支持向量機和奇異值分解。 </p><p>　　3.3 基于知識的推薦 </p><p>　　基于內容的推薦方法和系統(tǒng)過濾方法，都是想用戶推薦與用戶已經(jīng)使用過的物品相似或者與用戶興趣愛好相似的物品。這在物品不隨著時間變化的系統(tǒng)中是適用的，適用于實時性不高的系統(tǒng)中，但對實時性高的系統(tǒng)是不適用的，比如房產系統(tǒng)，股票系統(tǒng)。 </p><p>　　基

12、于知識的推薦利用已有的產品領域的深度知識和用戶的顯示需求來計算推薦。算法先收集用戶的需求，在現(xiàn)有知識找不到推薦方案的情況下，找到現(xiàn)有知識與需求的不一致性，進行知識的修復，并給出推薦方案。根據(jù)推薦方案的計算方法，分為基于樣例的方法和基于約束的方法。基于樣例的方法通過用戶需求和已有知識的相似度來給出推薦結果?；诩s束的方法，則是利用已經(jīng)預先定義好的推薦知識庫進行推薦。 </p><p>　　3.4 情境感知推薦系統(tǒng)

13、</p><p>　　目前很多已在使用的推薦方法在把物品推薦給用戶的時候，都是不考慮環(huán)境因素，在這些推薦系統(tǒng)中，只有兩類實體，即用戶和物品。并沒有把用戶和物品放在特定環(huán)境因素中進行考慮。而實際使用過程中，結合情境用戶推薦物品，把情境信息整合到推薦流程中是很有必要的。情境感知推薦系統(tǒng)，該系統(tǒng)通過將已有的情境信息作為附加的數(shù)據(jù)類型整合到推薦流程里，來處理對用戶的興趣和偏好的建模和預測問題。這種長期的偏好和興趣通常以評

14、分來表示，其對應的模型不僅是物品和用戶的函數(shù)，也是情境信息的函數(shù)，換句話說，評分函數(shù)定義為User×Item×Context―>Rating，其中，User和Item分別是用戶和物品的取值域，Rating是評分的取值域，Context聲明了與應用相關的情境信息。 </p><p>　　4.推薦系統(tǒng)相關問題研究 </p><p>　　在選擇推薦算法時，需要對一系列問

15、題進行考慮。（1）用戶偏好問題。在某些推薦算法中，需要考慮用戶評分問題，都是假設用戶是平等的，對于系統(tǒng)來說，高頻率使用系統(tǒng)的用戶做出的評價應該比低頻率使用系統(tǒng)的用戶的評價權重高。（2）預測準確度問題，使用離線實驗對推薦系統(tǒng)進行評測，評價出能夠精確推薦的算法。（3）冷啟動問題，當系統(tǒng)中加入新的物品和用戶時，推薦系統(tǒng)是否能夠正確做出推薦。（4）置信度問題，推薦系統(tǒng)應該為所推薦的物品進行分級，分為推薦度高的物品和推薦度低的物品。（5）信任度問

16、題，需要考慮用戶對推薦系統(tǒng)的信任程度。（6）新穎度問題，是否能為用戶推薦他們沒有接觸過的物品類別。（7）風險性問題，在一些高風險的系統(tǒng)中，例如股票系統(tǒng)，推薦算法應該盡可能為用戶規(guī)避風險。（8）健壯性問題，推薦系統(tǒng)能夠規(guī)避人為插入的虛假信息。（9）隱私性問題，推薦系統(tǒng)應該能夠對用戶的隱私進行保護。 </p><p><b>　　總結 </b></p><p>　　本論文

17、從推薦系統(tǒng)的概念，技術，相關問題三個方面進行了闡述。推薦系統(tǒng)是一個充滿挑戰(zhàn)的研究領域，推薦系統(tǒng)的發(fā)展需要工業(yè)界和學術界進一步的合作，相輔相成，促進推薦系統(tǒng)的發(fā)展。 </p><p><b>　　參考文獻： </b></p><p>　　[1]Francesco Ricci， Lior Rokach， Bracha Shapira， Paul B. Kantor.推薦系

18、統(tǒng)技術、評估及高效算法[M].北京：機械工業(yè)出版社，2015. </p><p>　　[2]王國霞，劉賀平.個性化推薦系統(tǒng)綜述[J].計算機工程與應用，2012，48（7）：66-74 </p><p>　　[3]劉紅霞.基于協(xié)同過濾技術的推薦系統(tǒng)綜述[J].信息安全與技術，2016，25：24-26 </p><p><b>　　作者簡介 </b&