推荐系统综述李欢1（1.兰州大学信息科学与工程学院，甘肃兰州730000）摘要：信息超载是目前网络用户普遍面对的一个问题，而解决这一问题的方法之一就是利用推荐系统，本文给出了推荐系统的产生以及相关概念，阐述了几种推荐系统的关键技术，并分析了各类算法的优劣，最后给出了推荐系统未来的研究重难点和发展方向。关键词：信息超载，推荐系统，推荐算法Abstract：Informationoverloadisacommonproblemfornetworkusers,onesolutiontothisproblemisrecommendersystems.Thispaperbrieflyintroducestherelatedconcepts,andseveralkeytechnologiesofrecommendersystems,andanalysesbothadvantagesanddisadvantagesoftherecommenderalgorithm.Finally,thefutureresearchemphasisanddifficultiesofrecommendersystemsaregiven.Keywords:Informationoverload,recommendersystem,recommenderalgorithm.1引言随着信息技术的飞速发展和互联网的普及，信息资源呈爆炸式的增长，人们在工作和学习中，接触到的信息过多，就出现了信息使用效率相对较低的情况，即“信息超载”。加之信息资源的存储方式也发生了变化，使得检索信息加大了难度，因此找到准确实现信息检索的方法变得尤为重要。[1]目前，解决信息超载的技术主要有两种，[2]其一就是信息过滤技术，主要是以搜索引擎为代表的信息检索系统，如百度、谷歌等，依据用户需求将用户需要的信息筛选后推送。但是关键词检索的准确率低，用户个性化程度差，不能完全满足用户的需求。另外一种解决策略即推荐引擎技术。它是根据用户的信息需求、兴趣等，将用户感兴趣的信息、商品等推荐给用户的个性化信息推荐系统。和搜索引擎相比，推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系。2推荐系统的相关概念推荐系统是一种特殊形式的信息过滤系统。推荐系统通过分析用户的历史兴趣和偏好信息，可以在项目空间中确定用户现在和将来可能会喜欢的项目，进而主动向用户提供相应的项目推荐服务。[3]推荐系统的普遍定义是Resnick和Varian在1997年提出的：它是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。[4]推荐系统有三个主要的部分组成：推荐对象建模模块、用户建模模块以及推荐算法模块。推荐系统通用模型如图1...
