推荐系统在 Web 技术中的使用及冷状态问题的深入分析
信息检索
2020-09-11 v1 人工智能
摘要
在万维网（WWW）中，数据的动态发展与传播导致互联网上可用信息量巨大，但用户无法在短时间内找到相关信息。因此，一种称为推荐系统的系统被开发出来，以通过用户的浏览活动助其轻松查找信息。换言之，推荐系统是与大量信息交互的工具，提供个性化视图以优先排列用户可能感兴趣的项目。多年来它们已发展为包含机器学习与数据挖掘等人工智能技术。此外，推荐系统已在电子商务、Amazon.com、Netflix 与 Booking.com 等在线应用中实现个性化。这激励许多研究者将推荐系统的应用拓展至尚未真正解决的新挑战与问题领域，主要是向新用户做推荐的问题，称为冷状态（即冷启动）用户问题，新用户可能搜不到太多信息。因此，本文旨在以若干高效方法与挑战解决所述冷启动问题，并整体识别与概述推荐系统的现状。
引用
@article{arxiv.2009.04780,
title = {The use of Recommender Systems in web technology and an in-depth analysis of Cold State problem},
author = {Denis Selimi and Krenare Pireva Nuci},
journal= {arXiv preprint arXiv:2009.04780},
year = {2020}
}
备注
24 pages