大数据时代当代推荐系统及其应用：综述
信息检索
2024-12-17 v4
摘要
本综述论文对推荐系统的演进与当代格局进行了全面分析，此类系统已广泛融入海量网络应用之中。它深入探讨了为在线产品或服务量身定制的个性化推荐方法之进展，将众多推荐技术归为四大类：基于内容、协同过滤、基于知识与混合方法，每类旨在适应特定情境。本文对推荐系统领域的历史根基与前沿创新进行了深度回顾，特别关注依托大数据分析的实现。论文还强调了在评估推荐算法时对 MovieLens、Amazon Reviews、Netflix Prize、Last.fm 与 Yelp 等知名数据集的利用。它进一步概述并探讨了当代推荐系统所面临的主要挑战，包括数据稀疏性、可扩展性及推荐输出多样化之必要等问题。本综述将这些挑战标举为该学科后续研究的有前景方向。此外，论文考察了由推荐系统驱动的各种现实应用，探讨了将这些系统无缝整合进日常生活所涉及的障碍。最终，综述凸显了由大数据技术推动的推荐系统进展如何具有显著提升现实体验的潜力。
引用
@article{arxiv.2206.02631,
title = {Contemporary Recommendation Systems on Big Data and Their Applications: A Survey},
author = {Ziyuan Xia and Anchen Sun and Jingyi Xu and Yuanzhe Peng and Rui Ma and Minghui Cheng},
journal= {arXiv preprint arXiv:2206.02631},
year = {2024}
}
备注
34 pages, 8 figures, 2 table