基于排序学习的推荐算法研究综述

发布时间：2017-10-08 00:09

  本文关键词：基于排序学习的推荐算法研究综述

  更多相关文章： 排序学习 推荐算法 机器学习 兴趣模型 个性化服务

【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.
【作者单位】： 同济大学电子与信息工程学院;北京大学软件与微电子学院;
【关键词】： 排序学习 推荐算法 机器学习 兴趣模型 个性化服务
【基金】：国家自然科学基金(61272268,61103069) 国家重点基础研究发展计划(973)(2014CB340404) 教育部新世纪优秀人才支持计划(NCET-12-0413) 霍英东教育基金会高等院校青年教师基金(142002) 上海市青年科技启明星计划(15QA1403900)~~
【分类号】：TP391.3
【正文快照】： 近年来,随着物联网、云计算和社会网络等技术的迅猛发展,网络空间中所蕴含的信息量呈指数级增长[1].据国际数据公司IDC(Int’l data corporation)2012年报告显示:预计到2020年,全球数据总量将达到35.2ZB, 这一数据量是2011年的22倍[2].推荐系统正是在这样的背景下被提出的,并

【共引文献】

中国期刊全文数据库 前10条

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 秦凯;吴家丽;宋益多;乔晨蕊;;基于社会信任的协同过滤算法研究综述[J];智能计算机与应用;2015年04期

3 邱继钊;计华;张化祥;;用于多标记学习的局部顺序分类器链算法[J];计算机应用研究;2013年09期

4 程圣军;黄庆成;刘家锋;唐降龙;;一种改进的ML-kNN多标记文档分类方法[J];哈尔滨工业大学学报;2013年11期

5 海本斋;解瑞云;李思嘉;穆晓霞;;基于网格的景区推荐系统设计与算法研究[J];河南师范大学学报(自然科学版);2014年01期

6 李志欣;卓亚琦;张灿龙;周生明;;多标记学习研究综述[J];计算机应用研究;2014年06期

7 何颖婧;王志海;李哲;;基于标记集合划分的多标记分类算法[J];昆明理工大学学报(自然科学版);2014年03期

8 吕素峰;;GHR—基于共享模型的多标记学习方法[J];内蒙古科技与经济;2014年16期

9 吕静;何志芬;;一种基于正则化最小二乘的多标记分类算法[J];南京大学学报(自然科学);2015年01期

10 何朋;周丽娟;;基于联合概率的多标签分类算法[J];计算机应用;2015年03期

中国博士学位论文全文数据库 前9条

1 贾冬艳;基于多维信任模型的可信推荐方法研究[D];燕山大学;2013年

2 吴庆耀;高维数据的若干分类问题及算法研究[D];哈尔滨工业大学;2013年

3 祝恒书;面向移动商务的数据挖掘方法及应用研究[D];中国科学技术大学;2014年

4 刘松;基于全信息的问答系统研究[D];北京邮电大学;2014年

5 潘志斌;半监督排序的若干关键问题研究[D];华中科技大学;2014年

6 吕苗;基于情境的商品个性化推荐方法研究[D];大连理工大学;2015年

7 Nana Yaw Asabere;智能会议中的社会感知推荐[D];大连理工大学;2014年

8 吴小坤;轻量级服务推荐算法研究[D];北京邮电大学;2015年

9 秦利静;推荐系统模型与学习算法研究[D];清华大学;2014年

中国硕士学位论文全文数据库 前10条

1 廖凡迪;海量电信数据的挖掘与异常分析[D];北京邮电大学;2013年

2 任钱德;基于偏最小二乘回归的多标签分类算法研究[D];浙江师范大学;2013年

3 李丰;多关系图中的类标传递要素计算方法与应用研究[D];哈尔滨工业大学;2013年

4 何颖婧;多标记学习算法及其在标签推荐中应用研究[D];北京交通大学;2014年

5 徐稳;湖南农业信息区域推送关键技术研究[D];湖南农业大学;2013年

6 刘真;基于用户评分矩阵分块的鲁棒推荐模型研究[D];燕山大学;2013年

7 邱继钊;基于数据及标记关联的多标记学习算法研究[D];山东师范大学;2014年

8 谢润泉;基于隐式专家的个性化新闻推荐[D];厦门大学;2014年

9 周扬名;基于高斯混合模型的标签排序算法研究[D];浙江大学;2014年

10 王占东;基于多示例多标签学习的图像分类标注[D];安徽大学;2014年

【相似文献】

中国期刊全文数据库 前10条

1 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期

2 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期

3 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期

4 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期

5 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期

6 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期

7 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期

8 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期

9 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期

10 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

中国重要会议论文全文数据库 前10条

1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

6 梁莘q，

本文编号：990853