基于排序学习的推荐算法研究综述

• 作者: 向阳 孙圣力 张佳雯 田春岐 黄震华
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 排序学习 推荐算法 机器学习 兴趣模型 个性化服务
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 691-713
• 页数: 23页
• 分类号: TP181
• 字数: 19207字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004948

摘要

排序学习技术尝试用机器学习的方法解决排序问题,已被深入研究并广泛应用于不同的领域,如信息检索、文本挖掘、个性化推荐、生物医学等.将排序学习融入推荐算法中,研究如何整合大量用户和物品的特征,构建更加贴合用户偏好需求的用户模型,以提高推荐算法的性能和用户满意度,成为基于排序学习推荐算法的主要任务.对近些年基于排序学习的推荐算法研究进展进行综述,并对其问题定义、关键技术、效用评价、应用进展等进行概括、比较和分析.最后,对基于排序学习的推荐算法的未来发展趋势进行探讨和展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田春岐	同济大学电子与信息工程学院	11	422	8.0	11.0
2	向阳	同济大学电子与信息工程学院	88	1316	16.0	34.0
3	黄震华	同济大学电子与信息工程学院	30	350	9.0	18.0
4	孙圣力	北京大学软件与微电子学院	13	214	5.0	13.0
5	张佳雯	同济大学电子与信息工程学院	3	146	2.0	3.0