留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

个性化推荐算法研究

陈洁敏 汤 庸 李建国 蔡奕彬

陈洁敏, 汤 庸, 李建国, 蔡奕彬. 个性化推荐算法研究[J]. 华南师范大学学报(自然科学版), 2014, 46(5): 8. doi: 10.6054/j.jscnun.2014.06.021
引用本文: 陈洁敏, 汤 庸, 李建国, 蔡奕彬. 个性化推荐算法研究[J]. 华南师范大学学报(自然科学版), 2014, 46(5): 8. doi: 10.6054/j.jscnun.2014.06.021
Chen Jiemin, Tang Yong, Li Jianguo, CaiYibin. Survey of Personalized Recommendation Algorithms[J]. Journal of South China normal University (Natural Science Edition), 2014, 46(5): 8. doi: 10.6054/j.jscnun.2014.06.021
Citation: Chen Jiemin, Tang Yong, Li Jianguo, CaiYibin. Survey of Personalized Recommendation Algorithms[J]. Journal of South China normal University (Natural Science Edition), 2014, 46(5): 8. doi: 10.6054/j.jscnun.2014.06.021

个性化推荐算法研究

doi: 10.6054/j.jscnun.2014.06.021
详细信息
  • 中图分类号: TP391

Survey of Personalized Recommendation Algorithms

  • 摘要: 随着全球信息总量的爆炸式增长,信息超载问题无法避免且日趋严重化.个性化推荐系统是当前解决信息过载问题的有效技术.该文首先阐述了推荐系统概念定义及其三大组成模块,其次深入分析了个性化推荐算法,详细讨论了当前主流的四大类推荐算法:基于内容的推荐算法、协同过滤推荐算法、基于知识的推荐算法和混合的推荐算法,从多角度对各算法的优缺点进行对比,然后阐述了常用评价方法、评测指标及对测试标准进行分类,并且介绍了常用数据集,最后展望个性化推荐未来研究热点.
  • 加载中
计量
  • 文章访问数:  1642
  • HTML全文浏览量:  228
  • PDF下载量:  2251
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-02-01
  • 刊出日期:  2014-09-25

目录

    /

    返回文章
    返回