龙源期刊网 http://www.qikan.com.cn
智能推荐算法研究
作者：司佳奇
来源：《科技传播》2011年第21期
摘要 智能推荐，推荐系统或者推荐引擎是一种特殊的信息过滤技术，向用户推荐用户感兴趣的信息和商品(电影，电视，视频点播，音乐，书籍，新闻，图片，网页等等)。本文介绍一下现在主流的几种智能推荐方法。
关键词 推荐；智能推荐；协同推荐
中图分类号TP39 文献标识码A 文章编号 1674-6708（2011）54-0196-01
0 引言
智能推荐，推荐系统或者推荐引擎是一种特殊的信息过滤技术，向用户推荐用户感兴趣的信息和商品（电影，电视，视频点播，音乐，书籍，新闻，图片，网页等等）。一个典型的推荐系统根据用户的某些特征做出一个用户概况，由此来推算用户对未看过商品的喜好程度。用户特征可以从用户浏览历史 （基于内容的推荐）或者从用户的社会环境(协同推荐)来得到。
推荐系统是解决Internet网上购物中信息过载的一种有效机制，在一个商务推荐
龙源期刊网 http://www.qikan.com.cn
站点，顾客可以寻找感兴趣的商品，由推荐站点为其在网上进行自动搜索，顾客可以轻松地选择到合适的商品[1，2]。因此，智能推荐系统的主要目标是帮助顾客在Internet海量信息环境下进行商品检索和比较。它的具体任务就是顾客遍历海量商品信息，从中筛选出符合顾客购买倾向的信息，并基于购买历史主动获取顾客的偏好。
1 国内外研究现状、发展动态
个性化推荐系统的发展历程：
1995年3月，斯坦福大学的MarkoBalabanovic等人在同一会议上推出了个性化推荐系统LIRA[3]；1995年8月，麻省理工学院的Henry Lieberman在国际人工智能联合大会（IJCAI）上提出了个性化导航智能体Litizia[4]；
1996年， Yahoo 推出了个性化入口My Yahoo；
2001年，IBM公司在其电子商务平台Websphere中增加了个性化功能，以便商家开发个性化电子商务网站。
推荐系统的主要算法有：
1）User-to-item大众排行；
2）Item-to-user个性化推荐；
龙源期刊网 http://www.qikan.com.cn
3）Item-to-item 视频关联推荐；
4）User-to-user用户协同推荐
2 算法
2.1 Item-to-user个性化推荐
根据用户对视频的浏览历史，找出用户喜好的视频类型，再把类似的视频推荐给用户，即“什么我最感兴趣”，是一种基于用户浏览历史的推荐。
基本原理及算法：用户长期的浏览历史应该符合用户的个人喜好，我们从用户的浏览历史从提取出用户的特征做成特征向量作为用户的概况，然后用来与视频特征比较，最符合用户喜好的视频会被推荐给用户。
优点：各个用户的推荐内容都不同；可以推荐出符合用户喜好的东西；能在了解用户的基础上推荐；能理解被推荐的对象。
缺点：受对象描述，描述详细推荐效果好，反之效果较不好；可能过分专一化，用户如果过分偏好某一类型对象，就只能推荐出这一类型对象；新用户问题。
2.2 Item-to-item 视频关联推荐(metadata similarity)
视频关联度的推荐，统计看过该视频的用户还看过什么视频，即“看了X的人也
龙源期刊网 http://www.qikan.com.cn
看了Y”，购物网站常用。
基本原理及算法：如果两个视频经常同时被用户观看，两个视频被其他未看过的用户同时观看的概率也很大。所以通过统计看过该视频的用户还看过什么视频，得到与该视频同时出现次数最多的，概率最大的视频推荐给用户。
优点：能得到一个视频与视频之间关联度的排行，能无视视频的内容或属性特征作出推荐。
缺点：不能反映用户喜好；推荐结果不一定准确。
2.3 User-to-user用户协同推荐(behavior similarity)
把具有类似口味和喜好的人过去所喜欢的视频推荐给用户，即“和您有相同兴趣的人还看了...... ”，是针对于一个用户的浏览历史来推荐的。
基本原理及算法：根据用户的浏览历史从提取出用户的特征做成特征向量作为用户的概况，找到和该用户相似的用户，这些用户的兴趣爱好应该和该用户相近，从其他用户们的浏览历史中找出该用户未看过而应该喜欢看的视频推荐给用户。
优点：能够推荐难以进行机器自动基于内容分析的信息；能够基于一些复杂的，难以表达的概念（信息质量、品位)进行过滤；推荐的新颖性。
缺点：新用户问题（即稀疏性问题）；随着用户和商品的增多，系统的性能会越
龙源期刊网 http://www.qikan.com.cn
来越低（即可扩展性问题）；新物品问题（即最初评价问题）。
2.4 User-to-item大众排行
通过搜集网上某些网站的统计排行信息做出的推荐（例如视频点击排行），即“什么最流行”，这种推荐不需要有用户数据，能反映出大众的喜好。
优点：能反映出当前的大众喜好，社会热点。
缺点：推荐结果千篇一律，推荐结果不符合用户喜好。
3 结论
随着电子商务规模的不断扩大，智能推荐系统运用越来越多，越来越广。本文研究了几种主流的智能推荐方法，对现有的智能推荐进行了概括。
参考文献
[1]Schafer J B，Konstan J A，Riedl J.Recommender systems in e-commerce.In ACM Conference on Electronic Commerce(EC-99).New York: ACM Press，1999：158-166.
[2]Konhavi R，Provost F.Applications of data mining to electronic commerce[J].Data Minging and Konwledge Discovery，2001，5(1-2）：5-10.
龙源期刊网 http://www.qikan.com.cn
[3]R Armstrong，D Freitag，T Joachims，and T Mitchell. WebWatcher: A learning apprentice for the World Wide Web\".In AAAI Spring Symposium on Information Gathering.Stanford: CA，1995.
[3]H Lieberman.Letizia: An agent that assists web browsing
[M].Proceedings of Intelligence，1995.
the 14th International Joint Conference on Artificial
