大数据平台下的推荐算法研究

• 作者: 俞婷 王诗惠 米小凤 郑燕燕
• 来源期刊: 福建电脑
• 学科: 工学
• 关键词: 信息过载 推荐系统 推荐算法 深度学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 论著
• 页码范围: 14-18
• 页数: 5页
• 分类号: TP311.13
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2020.11.004

摘要

随着Web2.0的到来,数据呈现爆炸式增长,数据过载问题引起越来越多的关注,推荐系统应运而生.通过对用户的历史交互信息进行分析抽取,得到用户偏好,最终将用户最感兴趣的内容推荐给用户.用户和标的物的交互信息较少,产生了数据稀疏的问题,当有新的用户或者新的标的物进入系统时,系统无法对其进行精确的推荐.近年来,深度学习的浪潮正传播到各个研究领域中,在过去的几年里,深度学习逐渐被应用到各个领域,推荐系统从单一的传统推荐算法开始过渡到基于深度学习的推荐算法,对于解决数据稀疏性和冷启动问题颇有成效.本文对近几年来的推荐系统算法进行了研究,分析了各个类别的推荐系统的特点,最后,分析了推荐系统未来的研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑燕燕		2	0	0.0	0.0
2	俞婷		5	5	2.0	2.0
3	王诗惠		1	0	0.0	0.0
4	米小凤		1	0	0.0	0.0