推荐系统通过获取用户的历史行为数据,如网页的浏览数据、购买记录、社交网络信息、用户地理位置等,来推断用户偏好.随着计算机技术的发展,推荐系统所采用的推荐技术由早期的基于用户-项的数据矩阵分解技术为主,逐渐向与数据挖掘、机器学习、人工智能等技术相融合的方向发展,从而深度挖掘用户行为的潜在偏好,以构建更加精准的用户偏好模型.推荐过程也从静态预测发展到实时推荐,通过与用户实时交互来使推荐结果更加丰富.文中重点回顾了推荐系统在不同时期所采用的关键技术,主要包括基于内容过滤的推荐技术、基于协同过滤的推荐技术、基于深度学习的推荐技术、基于强化学习的推荐技术和基于异构网络的推荐技术等.最后对比和分析了关键技术的优缺点,并对推荐系统的未来发展进行展望.

成为VIP会员查看完整内容
65

相关内容

基于知识图谱的推荐系统研究综述
专知会员服务
324+阅读 · 2020年8月10日
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
专知会员服务
219+阅读 · 2020年8月1日
专知会员服务
128+阅读 · 2020年7月10日
大数据安全技术研究进展
专知会员服务
91+阅读 · 2020年5月2日
【天津大学】风格线条画生成技术综述
专知会员服务
31+阅读 · 2020年4月26日
专知会员服务
198+阅读 · 2020年3月6日
推荐系统之矩阵分解家族
图与推荐
13+阅读 · 2020年3月28日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
预见未来 | 个性化推荐系统,必须关注的五大研究热点
微软研究院AI头条
6+阅读 · 2018年11月29日
推荐系统概述
Python开发者
11+阅读 · 2018年9月27日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
快手类推荐系统实践
机器学习算法与Python学习
17+阅读 · 2018年2月7日
融合 MF 和 RNN 的电影推荐系统
PaperWeekly
7+阅读 · 2017年12月28日
4个方面,系统总结个性化推荐系统
人人都是产品经理
7+阅读 · 2017年12月10日
【推荐系统】深度解析京东个性化推荐系统演进史
产业智能官
23+阅读 · 2017年12月8日
Efficiently Embedding Dynamic Knowledge Graphs
Arxiv
14+阅读 · 2019年10月15日
Arxiv
7+阅读 · 2019年5月31日
Arxiv
8+阅读 · 2019年5月20日
Arxiv
5+阅读 · 2018年5月1日
Arxiv
13+阅读 · 2018年1月20日
Arxiv
3+阅读 · 2017年11月21日
VIP会员
相关VIP内容
基于知识图谱的推荐系统研究综述
专知会员服务
324+阅读 · 2020年8月10日
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
专知会员服务
219+阅读 · 2020年8月1日
专知会员服务
128+阅读 · 2020年7月10日
大数据安全技术研究进展
专知会员服务
91+阅读 · 2020年5月2日
【天津大学】风格线条画生成技术综述
专知会员服务
31+阅读 · 2020年4月26日
专知会员服务
198+阅读 · 2020年3月6日
相关资讯
推荐系统之矩阵分解家族
图与推荐
13+阅读 · 2020年3月28日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
预见未来 | 个性化推荐系统,必须关注的五大研究热点
微软研究院AI头条
6+阅读 · 2018年11月29日
推荐系统概述
Python开发者
11+阅读 · 2018年9月27日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
快手类推荐系统实践
机器学习算法与Python学习
17+阅读 · 2018年2月7日
融合 MF 和 RNN 的电影推荐系统
PaperWeekly
7+阅读 · 2017年12月28日
4个方面,系统总结个性化推荐系统
人人都是产品经理
7+阅读 · 2017年12月10日
【推荐系统】深度解析京东个性化推荐系统演进史
产业智能官
23+阅读 · 2017年12月8日
微信扫码咨询专知VIP会员