Loading AI tools
来自维基百科,自由的百科全书
推荐系统是一种信息过滤系统,用于预测用户对物品的“评分”或“偏好”。[1]
此條目需要擴充。 (2011年5月12日) |
推荐系统近年来非常流行,应用于各行各业。推荐的对象包括:电影、音乐、新闻、书籍、学术论文、搜索查询、分众分类、以及其他产品。也有一些推荐系统专门为寻找专家[2]、合作者[3]、笑话、餐厅、美食、金融服务[4]、生命保险、網路交友,以及Twitter页面[5]设计。
推荐系统产生推荐列表的方式通常有两种:协同过滤以及基于内容推荐,或者基于个性化推荐。[6] 协同过滤方法根据用户历史行为(例如其购买的、选择的、评价过的物品等)结合其他用户的相似决策建立模型。这种模型可用于预测用户对哪些物品可能感兴趣(或用户对物品的感兴趣程度)。[7] 基于内容推荐利用一些列有关物品的离散特征,推荐出具有类似性质的相似物品。[8]两种方法经常互相结合(参考混合推荐系统)
协同过滤和基于内容推荐的区别可以比较两个流行的音乐推荐系统 --- Last.fm 和 Pandora Radio.
每一种系统都有其长处与弱点。在上面的例子中,为了提供精准推荐,Last.fm 需要大量用户信息。这是一个冷启动问题,在协同过滤系统中是常见的问题[9][10][11][12]。而 Pandora 启动时则仅需要很少信息,然而这种方法的局限性很大(例如,这类方法只能得出与原始种子相似的推荐)。
推荐系统是一种有效代替搜索算法的方式,因为他们帮助用户找到一些他们自己没有办法找到的物品。有趣的是,推荐系统在实现之时通常使用搜索引擎对非传统数据索引。
Montaner 从智能代理角度给出了有关推荐系统的第一篇综述文章[13]。Adomavicius给出了一种新的有关推荐系统的全景[14]。Herlock提供了有关评价推荐系统的技术综述[15]。Beel等讨论了离线评价中的问题[16]。Beel等同事也提供了现有有关推荐系统的研究文献与现存挑战[17][18][19]。
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.