推荐系统综述：从理论向实践的过渡
信息检索
2025-10-17 v4 人工智能
摘要
推荐系统（Recommender Systems, RS）在通过提供个性化物品建议来提升用户体验方面发挥着关键作用。这项调查综述了2017年至2024年间 RS 领域的进展，有效地将理论进展与实际应用相连接。我们探讨了从传统 RS 技术（如基于内容和基于协同过滤）到高级方法（包括深度学习、图基模型、强化学习和大语言模型）的发展。我们还讨论了专业化系统，如情境感知、基于评论和公平性感知的 RS。本调查的主要目标是搭建理论与实践之间的桥梁。它涵盖了包括电子商务、医疗和金融等多个领域的挑战，强调需要可扩展、实时且可信赖的解决方案。通过本次调查，我们促进了学术研究与行业实践之间的更紧密的合作。本次调查所提供的见解旨在指导行业专业人员优化 RS 的部署，并激发未来研究方向，尤其是针对不断演变的技术和社会趋势。调查资源已在公开的 GitHub 存储库中提供：https://github.com/VectorInstitute/Recommender-Systems-Survey。
引用
@article{arxiv.2407.13699,
title = {A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice},
author = {Shaina Raza and Mizanur Rahman and Safiullah Kamawal and Armin Toroghi and Ananya Raval and Farshad Navah and Amirmohammad Kazemeini},
journal= {arXiv preprint arXiv:2407.13699},
year = {2025}
}
备注
we quarterly update of this literature