文档介绍：个性化推荐系统
摘要:互联网规模和覆盖面的迅速增长带来了信息超载(informatiom overload)的问题过量信息同时呈现使得用户无法从中获取对自己有用的部分,信息使用效率反而降低现有的很多网络应用, 比如门户网站、搜索引擎和专业数据索引本质上都是帮助用户过滤信息的手段然而这些工具只满足主流需求, 没有个性化的考虑,仍然无法很好地解决信息超载的问题。推荐系统作为一种信息过滤的重要手段, 是当前解决信息超载问题的非常有潜力的方法.
1. 引言
互联网技术的迅猛发展把我们带进了信息爆炸的时代. 海量信息的同时呈现,一方面使用户很难从中发现自己感兴趣的部分,另一方面也使得大量少人问津的信息成为网络中的“暗信息”,,利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象,进而进行个性化推荐,,,它是目前解决信息过载问题最有效的工具. 文中根据推荐算法的不同,分别介绍了协同过滤系统,基于内容的推荐系统,混合推荐系统,以及最近兴起的基于用户—,提出了改进的方法和未来可能的若干研究方向. 推荐系统的研究受到了信息科学、计算数学、统计物理学、认知科学等多学科的关注,它与管理科学、,有助于我国学者了解该领域的主要进展.
关键词:推荐系统;个性化推荐,协同过滤,基于内容的推荐,基于网络的推荐

个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。
个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。购物网站的推荐系统为客户推荐商品,自动完成个性化选择商品的过程,满足客户的个性化需求,推荐基于:网站最热卖商品、客户所处城市、客户过去的购买行为和购买记录,推测客户将来可能的购买行为。
在电子商务时代,商家通过购物网站提供了大量的商品,客户无法一眼通过屏幕就了解所有的商品,也无法直接检查商品的质量。所以,客户需要一种电子购物助手,能根据客户自己的兴趣爱好推荐客户可能感兴趣或者满意的商品。

个性化推荐的最大的优点在于,它能收集用户特征资料并根据用户特征,如兴趣偏好,为用户主动作出个性化的推荐。而且,系统给出的推荐是可以实时更新的,即当系统中的商品库或用户特征库发生改变时,给出的推荐序列会自动改变。这就大大提高了电子商务活动的简便性和有效性,同时也提高了企业的服务水平。
总体说来,一个成功的个性化推荐系统的作用主要表现在以下三个方面:
1) 将电子商务网站的浏览者转变为购买者:电子商务系统的访问者在浏览过程中经常并没有购买欲望,个性化推荐系统能够向用户推荐他们