推荐系统：原理、方法、估算方案.

1、Recommendation systems: Principles, methods and evaluationauthor: F.O. Isinkaye Y.O. Folajimi B.A. Ojokoh摘要 网上的数据选择数目庞大，为了减轻信息过载的问题，因此需要过滤、区分优先次序以提供相关信息,这样子就会给许多网上用户带来了一些潜在的问题。推荐系统可以解决此类问题，它通过搜索大量的动态生成信息来为用户们提供个性化的内容以及服务。本篇论文探索在推荐系统中不同特征及潜在的不同预测技术，以作为在推荐系统领域中研究及实践的一指南针. introduction 网络上大量的可用数字信息以及访问

2、者的数量的爆炸性增长，这给信息过载带来了一些潜在的挑战，由此阻碍了人们在互联网上及时地挑中自己感兴趣的商品。例如信息检索系统Google、 DevilFinder 和Altavista 已部分解决了此类问题，但是，优先次序及个性化信息仍空缺。相对于之前，这增长了对于推荐系统的要求。推荐系统是信息过滤系统，它可以根据用户喜好、兴趣、对于商品的观察行为，通过从大量的动态生成的信息中筛选重要信息片段。推荐系统能够基于用户的配置文件来预测一特定的用户是否会选择一件商品。introduction 推荐系统对于服务供应商和用户都是有利的。它们在一在线购物环境中，能够减少商品交易成本以及选择商品。推荐系统也

3、证明了改进决策过程和质量。在电子商务环境中，推荐系统可以提高商家收入，因为它们能够以更加有效的方式销售更多的产品。在科学的商品库里，推荐系统支持用户超越目录搜索。因此，在一系统中需使用有效且精确的推荐技术，该推荐技术将会为用户提供相关可靠的推荐，但不能过分强调。Related work 推荐系统被定义为在复杂的信息环境中为用户决策的策略。另外，推荐系统从电子商务的角度被定义为帮助用户搜索记录知识的一个工具，该记录知识同用户的兴趣及爱好相关。一些人在商品选择时，往往没有足够的个人选择的知识或经验，推荐系统被定义为协助和使用推荐来提高社会进程的一种手段。由于推荐系统操控着信息过载的问题，用户通常会

4、得到个性化的、独家内容和服务的推荐。最近，各种各样的建立推荐系统的方法得以发展，该类方法可以使用协同过滤 、基于内容过滤或混合过滤。协同过滤技术是最成熟且最常用的。协同过滤通过相似口味来区分用户，从而推荐商品；它利用他们的意见来给一些有效用户推荐商品。推荐系统在不同应用领域得以应用。 GroupLens（实验室）是基于消息的架构，它协助用户从大量的新闻数据库来定位文章。 Ringo（台湾乐团）是一在线社会信息过滤系统，使用协同过滤根据用户对音乐专辑的评级来建立用户资料。Related work Amazon使用主题多样化算法来提高它的推荐。该系统使用协同过滤方法生成，其通过生成一张相似商品的表

5、格来克服可伸缩性问题，该过程使用item-to-item离线矩阵。该系统接着会根据用户的购买历史在线推荐其他的相似产品。另一方面，content-based技术同用户特征匹配的内容资源。 Content-based过滤技术通常得出他们的预测是基于用户信息，他们在协同过滤技术的情况下忽略其他用户的贡献。为了创建训练集合，法则极大地依赖于不同级别的用户，它则是推荐系统content-based 的一则例子。一些其它使用content-based过滤的系统帮助用户在网上（包括Letizia）找到信息。此系统利用用户界面，该界面能够帮助用户浏览互联网；它能够跟踪用户的浏览模式预测他们可能感兴趣的页面。

6、Pazzani等人设计了一个智能代理,通过使用Bayesian分类器，尝试来预测哪一个网页会使用户感兴趣。代理允许用户通过评级不同的热门或冷门页面提供培训实例。 Jennings和Higuchi描述神经网络模型在Usenet新闻环境中用户的利益。Related work 尽管这两种过滤技术的成功,但一些局限性已确定。一些与content-based的过滤技术相关的问题，局限于内容分析,过度专门化以及稀疏的数据。另一方面，协同方法显示出cold-start，稀疏和可伸缩性问题。这些问题常常会降低推荐的质量。为了减轻发现的一些问题，混合过滤以不同的方式相结合两个或两个以上的推荐技术来提高推荐系统的

7、精度和性能。这些技术结合两个或两个以上的过滤方法,使它们的优缺点相互补。他们可分为基于操作到加权混合, mixed hybrid, switching hybrid, feature-combination hybrid， cascade hybrid，feature-augmented hybrid 以及 meta-level hybrid。协同过滤和content-based过滤方法今天被广泛使用,不同地通过实现基于内容和协同技术,他们的预测结果之后相结合或增加基于内容的协同过滤特点，反之亦然。Related work 最终，一般结合基于内容和协同过滤属性的统一模型得以发展。数据稀疏以及c

8、old-start问题使用级联混合推荐技术通过结合评级,特性和人口信息项得以解决。 Ziegler等人,提出了一种混合协同过滤方法，利用批量分类信息为严格的产品分类设计，来解决CF推荐的数据稀疏问题,基于profiles的生成，通过super-topic得分和主题多样化推理。 在Ghazantar和 Pragel-Benett中也提出了混合推荐技术,这使用基于内容的个人用户文件来发现类似的使用预测的用户。 Sarwar等人将协同过滤与一信息过滤agent相结合 。这里，作者结合content-based过滤的agents和协同过滤提出了一框架。A hybrid recommender algorithm is employed by many applic