本文關鍵詞：基于排序學習的推薦算法研究綜述

  更多相關文章： 排序學習 推薦算法 機器學習 興趣模型 個性化服務

【摘要】：排序學習技術嘗試用機器學習的方法解決排序問題,已被深入研究并廣泛應用于不同的領域,如信息檢索、文本挖掘、個性化推薦、生物醫(yī)學等.將排序學習融入推薦算法中,研究如何整合大量用戶和物品的特征,構建更加貼合用戶偏好需求的用戶模型,以提高推薦算法的性能和用戶滿意度,成為基于排序學習推薦算法的主要任務.對近些年基于排序學習的推薦算法研究進展進行綜述,并對其問題定義、關鍵技術、效用評價、應用進展等進行概括、比較和分析.最后,對基于排序學習的推薦算法的未來發(fā)展趨勢進行探討和展望.
【作者單位】： 同濟大學電子與信息工程學院;北京大學軟件與微電子學院;
【關鍵詞】： 排序學習 推薦算法 機器學習 興趣模型 個性化服務
【基金】：國家自然科學基金(61272268,61103069) 國家重點基礎研究發(fā)展計劃(973)(2014CB340404) 教育部新世紀優(yōu)秀人才支持計劃(NCET-12-0413) 霍英東教育基金會高等院校青年教師基金(142002) 上海市青年科技啟明星計劃(15QA1403900)~~
【分類號】：TP391.3
【正文快照】： 近年來,隨著物聯(lián)網(wǎng)、云計算和社會網(wǎng)絡等技術的迅猛發(fā)展,網(wǎng)絡空間中所蘊含的信息量呈指數(shù)級增長[1].據(jù)國際數(shù)據(jù)公司IDC(Int’l data corporation)2012年報告顯示:預計到2020年,全球數(shù)據(jù)總量將達到35.2ZB, 這一數(shù)據(jù)量是2011年的22倍[2].推薦系統(tǒng)正是在這樣的背景下被提出的,并

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 HE Zhifen;YANG Ming;LIU Huidong;;Multi-task Joint Feature Selection for Multi-label Classification[J];Chinese Journal of Electronics;2015年02期

2 秦凱;吳家麗;宋益多;喬晨蕊;;基于社會信任的協(xié)同過濾算法研究綜述[J];智能計算機與應用;2015年04期

3 邱繼釗;計華;張化祥;;用于多標記學習的局部順序分類器鏈算法[J];計算機應用研究;2013年09期

4 程圣軍;黃慶成;劉家鋒;唐降龍;;一種改進的ML-kNN多標記文檔分類方法[J];哈爾濱工業(yè)大學學報;2013年11期

5 海本齋;解瑞云;李思嘉;穆曉霞;;基于網(wǎng)格的景區(qū)推薦系統(tǒng)設計與算法研究[J];河南師范大學學報(自然科學版);2014年01期

6 李志欣;卓亞琦;張燦龍;周生明;;多標記學習研究綜述[J];計算機應用研究;2014年06期

7 何穎婧;王志海;李哲;;基于標記集合劃分的多標記分類算法[J];昆明理工大學學報(自然科學版);2014年03期

8 呂素峰;;GHR—基于共享模型的多標記學習方法[J];內蒙古科技與經(jīng)濟;2014年16期

9 呂靜;何志芬;;一種基于正則化最小二乘的多標記分類算法[J];南京大學學報(自然科學);2015年01期

10 何朋;周麗娟;;基于聯(lián)合概率的多標簽分類算法[J];計算機應用;2015年03期

中國博士學位論文全文數(shù)據(jù)庫 前9條

1 賈冬艷;基于多維信任模型的可信推薦方法研究[D];燕山大學;2013年

2 吳慶耀;高維數(shù)據(jù)的若干分類問題及算法研究[D];哈爾濱工業(yè)大學;2013年

3 祝恒書;面向移動商務的數(shù)據(jù)挖掘方法及應用研究[D];中國科學技術大學;2014年

4 劉松;基于全信息的問答系統(tǒng)研究[D];北京郵電大學;2014年

5 潘志斌;半監(jiān)督排序的若干關鍵問題研究[D];華中科技大學;2014年

6 呂苗;基于情境的商品個性化推薦方法研究[D];大連理工大學;2015年

7 Nana Yaw Asabere;智能會議中的社會感知推薦[D];大連理工大學;2014年

8 吳小坤;輕量級服務推薦算法研究[D];北京郵電大學;2015年

9 秦利靜;推薦系統(tǒng)模型與學習算法研究[D];清華大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 廖凡迪;海量電信數(shù)據(jù)的挖掘與異常分析[D];北京郵電大學;2013年

2 任錢德;基于偏最小二乘回歸的多標簽分類算法研究[D];浙江師范大學;2013年

3 李豐;多關系圖中的類標傳遞要素計算方法與應用研究[D];哈爾濱工業(yè)大學;2013年

4 何穎婧;多標記學習算法及其在標簽推薦中應用研究[D];北京交通大學;2014年

5 徐穩(wěn);湖南農(nóng)業(yè)信息區(qū)域推送關鍵技術研究[D];湖南農(nóng)業(yè)大學;2013年

6 劉真;基于用戶評分矩陣分塊的魯棒推薦模型研究[D];燕山大學;2013年

7 邱繼釗;基于數(shù)據(jù)及標記關聯(lián)的多標記學習算法研究[D];山東師范大學;2014年

8 謝潤泉;基于隱式專家的個性化新聞推薦[D];廈門大學;2014年

9 周揚名;基于高斯混合模型的標簽排序算法研究[D];浙江大學;2014年

10 王占東;基于多示例多標簽學習的圖像分類標注[D];安徽大學;2014年

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

2 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

4 張立燕;;一種基于用戶事務模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：990853