基于用户浏览行为的个性化推荐研究综述

TP391.3; 研究如何充分利用海量用户浏览行为数据,构建更加精确的推荐算法和模型,以提高推荐系统性能,是目前个性化推荐领域研究的热点.针对这些问题,首先对用户的浏览行为进行了简要概括表述,给出了基于浏览行为推荐系统的总体框架,回顾总结了基于用户浏览行为的推荐系统的发展历程.对其关键技术和单一浏览行为量化方法与混合浏览行为量化方法进行总结、对比和分析.最后讨论了结合多源异构数据的浏览行为推荐的最新成果,总结了该领域未来研究难点和发展趋势....

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 38; no. 8; pp. 2268 - 2277
Main Authors 刘华真, 王巍, 谷壬倩, 张屹晗, 郝亚奇
Format Journal Article
LanguageChinese
Published 河北工程大学信息与电气工程学院,河北邯郸056038 2021
中国民用航空局第二研究所,成都610041
河北工程大学河北省安防信息感知与处理重点实验室,河北邯郸056038
江南大学 物联网工程学院,江苏 无锡214122
河北工程大学河北省安防信息感知与处理重点实验室,河北邯郸056038%河北工程大学信息与电气工程学院,河北邯郸056038
Subjects
个性化推荐
多源异构数据
兴趣度
协同过滤
神经网络
Online AccessGet full text

Cover

More Information
Summary:TP391.3; 研究如何充分利用海量用户浏览行为数据,构建更加精确的推荐算法和模型,以提高推荐系统性能,是目前个性化推荐领域研究的热点.针对这些问题,首先对用户的浏览行为进行了简要概括表述,给出了基于浏览行为推荐系统的总体框架,回顾总结了基于用户浏览行为的推荐系统的发展历程.对其关键技术和单一浏览行为量化方法与混合浏览行为量化方法进行总结、对比和分析.最后讨论了结合多源异构数据的浏览行为推荐的最新成果,总结了该领域未来研究难点和发展趋势.
ISSN:1001-3695
DOI:10.19734/j.issn.1001-3695.2020.10.0347