資源描述：
《數據挖掘中的推薦算法綜述》由會員上傳分享，免費在線閱讀，更多相關內容在工程資料-天天文庫。
1、ISSN1009-3044E-mail:eduf@cccc.net.cn第Co8m卷第puterK19no期wledg(e2012andT年ech7n月olo)gy電腦知識與技術ComputerKnowledgeandTechttp://www.dnzs.net.cnhnology電腦知識與技術Vol.8,No.19,July2012.Tel:+86-551-56909635690964數據挖掘中的推薦算法綜述12耿鑫，劉晉佩（1.同濟大學計算機科學與技術系，上海201804；2.廈門大學信息科學與技術學院自動化系
2、，福建廈門363105)摘要：推薦算法是推薦系統(tǒng)的核心，近年來，推薦系統(tǒng)受到了研究人員和學術界的關注，到目前，研究人員提出了很多推薦算法。該文側重討論現有的推薦算法及其性能，并在此基礎上，進一步提出了未來的研究方向。關鍵詞：數據挖掘；推薦系統(tǒng)；協同過濾中圖分類號：TP301文獻標識碼：A文章編號：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概述在知識爆炸的互聯網時代，網絡的信息量以指數級的
5、速度在不斷增長，簡單搜索引擎已無法滿足用戶在海量信量中獲取信息的需要，信息的利用率降低。為解決這一問題，研究人員提出了推薦系統(tǒng)，可有效地解決在海量信息中的獲取有用信息的問題。推薦系統(tǒng)是通過分析用戶的歷史行為，提示用戶習慣和喜好，建立相應的推薦算法，為每個用戶產生一個推薦列表，使其可以快速地找到自己感興趣的信息。上世紀末，推薦系統(tǒng)主要應用于音樂、電影、書籍等產品的推薦。近年來，推薦系統(tǒng)已被廣泛地應用于電子商務領域，成為電子商務中不可缺少的一部分，各大電子商務網站，如Amazon、taobao、ebay都不同程度的使用
6、了推薦系統(tǒng)，顯著地提高了電子商務企業(yè)的銷售額，同時也為用戶搜索商品提供了方便。與此同時對推薦系統(tǒng)的研究在理論上促進了多學科的交叉發(fā)展。設計出更優(yōu)秀的推薦算法已經成為理論界關注的熱點。目前為止，學者們提出了基于內容的推薦算法、協同過濾推薦算法、基于復雜網絡的推薦算法、混合推薦算法等不同的算法，數據挖掘領域、機器學習領域的一些新方法也被應用到推薦算法中。2推薦系統(tǒng)及其關鍵問題文獻[1]給出推薦系統(tǒng)非形式化定義：“利用電子商務網站向客戶提供商品信息和建議，幫助客戶決定購買的產品，模擬銷售人員幫助客戶完成購買?！眻D1給出了
7、推薦系統(tǒng)模型流程，主要過程是收集用戶喜好數據和對用戶產生推薦兩個部分，收集用戶喜好數據的方式有兩種，一種是顯性收集，即向用戶主動的收集，例如要求用戶填寫調查表格；另一種是隱性收集，即收集記錄用戶行為的歷史數據，如瀏覽過的網頁、搜索過的關鍵詞、購買過的物品。對用戶產生推薦是推薦系統(tǒng)中最核心的部分，使用推薦算法或推薦模型對用戶喜好信息及產品信息進行計算和處理，每個用戶均會得到一個產品推薦列表，取推薦列表中排名靠前的產品得到推薦結果，并將推薦結果返回給用戶。圖1推薦系統(tǒng)模型收稿日期：2012-05-22基金項目：國家自然
8、科學基金（60972036）本欄目責任編輯：唐一東人工智能及識別技術4691ComputerKnowledgeandTechnology電腦知識與技術第8卷第19期(2012年7月)2.1推薦系統(tǒng)評價1）預測準確度評價指標很多推薦系統(tǒng)都用準確度來評價推薦算法的好壞，準確度為推薦算法預測排名與實際排名之間的差異度。預測準確度一個常用的方法是度量推薦系統(tǒng)預測打分
