个性化推荐范文精选

摘 要：信息技术和互联网的迅猛发展把我们带进了信息过载的时代。海量信息的同时呈现，一方面增大了用户发现自己感兴趣信息的难度，另一方面也使得大量信息无法被一般用户获取。个性化推荐系统是目前解决信息过载问题最有效的工具。本文简单介绍了推荐系统的概念和组成要素，重点介绍了几种重要的推荐技术和个性化推荐系统的应用领域。

关键词：个性化推荐；推荐技术；关联规则；协同过滤

随着信息技术和互联网的迅速发展，人们逐渐从信息匮乏时代进入了信息过载时代。这个时代，对于信息生产者而言，如何让自己生产的信息脱颖而出，收到广大用户的关注是一件很困难的事情。对于用户而言，信息量的增大加重了找到感兴趣信息的负担，从而降低了信息的使用效率。推荐系统正是在这一环境中诞生的，它是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。

1 推荐系统概念、组成要素

目前被广泛接受的推荐系统的概念和定义是Resnick和Varian在1997年给出的：“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”。个性化推荐系统主要由三个要素组成，分别是：候选对象、用户、推荐算法。推荐系统把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配，同时使用相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后推荐给用户。

2 推荐技术

推荐算法是整个推荐系统中核心的部分，在很大程度上决定了推荐系统的质量。目前主要的推荐技术基本包括以下几种：基于关联规则的推荐技术，基于内容的推荐技术，协同过滤推荐技术和混合推荐技术。

2.1 基于关联规则的推荐技术

摘要:个性化技术是计算机技术发展必然的产物,其属于新兴技术,科研人员对其研究时间也较短,是一个很有潜力的项目。该文中就个性化进行了介绍,并对其研究领域、具体实现进行了阐述,最后对个性化技术进行那个了总结和展望。

关键词:个性化;个性化服务实现

中图分类号:TP312文献标识码:A文章编号:1009-3044(2010)16-4562-03

Survey on Personalized Recommendation

WANG Wen

(School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221008, China)

Abstract: The personalization technology is the essential product of computer technology. It is a newly discovered technology and has not been researched for a long time. A potential technology it is. In this article, what is personalization and where has personalized recommendation been used as well as the realization of personalization recommendation have been introduced. Eventually, summary and expectation of personalization are presented.

Key words: personalization; realization of personalized recommendation

简网目前开发的产品都基于他们的“信息基因技术”，一是用于微博上近十万主题微博，无须人工运营，机器自动筛选和。另外，开发了个性化杂志订阅应用“指阅”。其第三款产品将加入使用者个人的推荐意见，形成基于阅读兴趣的社交组织平台。

为何想到这个模式？

2006 年底，32 岁的丁钧从微软顾问咨询部部门总监职位 上离职，2007 年成立简网，最初的定位是做广告主和用 户之间的精准营销中介平台。2009 年底，他决定做能够 解决信息爆炸中优质信息个性化筛选的事，于是用了一年 时间搭建技术模型，公司内部把这套技术称为“信息基因 ”技术。

核心技术是怎样的？

简网最核心的技术就是“信息基因”技术，即把语义环境 的概念贯穿到计算机算法中，加上质量评分建立信息采集 模型。一篇文章中信息点最密集、信息关系重合度最大的 信息簇就是它的中心思想，但是仅靠“苹果”两个字，能 确定文章说的是一种水果还是公司吗？“语义环境”判断 就是做这个确认，使筛选的信息准确度更高；而“质量评 分”就是根据信息出处的定位和过往历史，给信息算出一 个初始分值，保证筛选文章具有相对高的质量。

做了什么产品？

简网目前的产品都是“信息基因”技术的不同展现形态。首先，简网把这项技术用在了微博上，建立了上万个垂直化的主题微博，各账号每天10条以内具有含金量的资讯，形成了数个垂直微媒体。

简网的行业微博每个都非常垂直，单一账户没有一个是粉丝上百万的，但其的信息每天累计能获得30多万次转发，覆盖粉丝总量超过5000万。这上万个垂直信息微博，既是“信息基因”技术的应用，也是捕捉用户兴趣和个人资料的入口。

摘 要 文章探索了微博个性化推荐技术和推荐效果研究情况，并在此基础上，围绕系统表现、商业表现和用户态度现三个维度构建了旅游微博个性化推荐效果评价指标体系，并提出了旅游企业在分析推荐效果时的实施方案。

关键词 旅游微博；个性化推荐；效果评价体系

中图分类号：TP3 文献标识码：A 文章编号：1671-7597（2013）23-0072-02

1 研究背景

随着我国经济水平的提高，人们对于旅游的需求也越来越多，如何开发基于大众市场需求的新产品和服务来改善旅游服务的质量和推动旅游业的转型成为目前旅游业发展的重点。旅游业属于信息密集型产业，适合利用互联网和移动通信等新一代信息技术对其旧有的服务模式和产品进行新的创新，这也是旅游业成长的关键力量。微博是Web2.0技术在博客领域的新发展，是一种基于用户关系的信息分享、传播以及获取的平台。由于微博兼具即时聊天工具的个体性、即时性，博客空间的个人信息和分享性，社区论坛的话题讨论性，以及SNS社区的人际关系纽带性，这使其成为一个天然的口碑传播平台。也因为利用微博进行旅游营销具有展示个性化、传播互动化、信息延展化、传播移动化、内容微小化等诸多优势，因而，它成为旅游企业营销关注和挖掘的新领域。

微博让用户可以更方便、快捷地通过虚拟网络获取实时、海量的旅游信息，使旅游企业能接触到潜在用户、信息、与游客互动、推销旅游产品。然而，由于微博高速、海量的传递信息，内容更新极快，造成信息冗余，搜索起来比较困难，这导致信息过载现象的产生。目前主要使用信息搜索和信息推荐两种技术解决这一问题。但是，传统的信息搜索算法只能呈现给微博用户相同的排序结果，无法针对不同微博用户的兴趣爱好提供用户个性化的信息，最终导致用户很难找到符合自己个性化需求的信息。信息推荐则可以主动为用户提供满足用户需求的个性化信息。因此，帮助用户从海量、更新极快的微博信息中获取有价值的知识和最新信息，提高信息检索与推荐的智能化水平，满足各个用户不同的个性化需求，已经成为一个非常重要且极具现实意义的研究热点。从普通用户的角度看，微博个性化推荐的研究可将用户从无限的网络资源中解放出来，大大缩短用户信息检索的时间，提高信息服务的效率，有效解决信息过载的问题。从旅游企业的角度来看，精准的个性化推荐技术有助于它们找到目标人群，有针对性地开展相应的微博活动营销和提供个性化的服务，使其以较低的成本将产品与服务更有效、快捷地推向目标消费群体。

2 国内外研究现状

从文献调查中发现，围绕旅游围博平台的研究有不少，但主要研究的是旅游微博营销策略和应用等方面的内容，有少量对旅游微博信息的信度和效度进行了研究。对于旅游微博的个性化推荐效果方面的研究则基本没有。然而，国内外关于微博个性化推荐系统的关键技术研究成果有很多，如好友推荐、散列标签推荐或时事信息推荐等。胡大伟提出一种基于关联规则和标签的个性化好友推荐系统，推荐与目标用户最相似的微博用户为好友。孙明明研究了基于云计算环境下研究微博用户的协同过滤推荐，发现现有经典算法推荐精度较低，设计出一种新型的更适合于微博平台的EssCF推荐算法。有少量研究根据微博内容和用户位置进行了深入研究，如Horozov在移动端用户地理位置获取的基础上，增加了“便捷性”参数，以满足系统的可扩展性和低时延需求。此外，还有部分研究从微群和微博平台全网两方面来展开关系推荐的研究。到现在为止，现有研究大多侧重于微博个性化推荐算法和系统的构建及提高推荐精度的理论研究上，部分研究对其所提出的改进算法的有效性进行了一定的实验证明，但对于现有的微博个性化推荐技术的总结分析，尤其是推荐效果的对比分析则较少，也很少涉及到面向具体行业和细分市场的微博个性化推荐、推荐策略和推荐效果分析等实用性方面的研究。而在实践中，在不同的行业里，用户期待的推荐形式、内容和对推荐质量的预期不同。因此，对于旅游企业而言，它们需要的是一种具体化、符合行业和微博特性、实用性极强的微博营销策略，了解目前微博个性化推荐技术效果会有助于他们制定更有效的微博营销活动，而目前恰恰缺少这方面的研究成果。

提要：在最近的工作中，提出个性化推荐算法，它在准确性和多样性两个方面有很高的绩效。该方法是基于两个单算法概率扩散和热传导的杂交，它们分别是倾向于推荐受欢迎和不受欢迎的产品。凭着可调参数，可以在系统层面实现这两种算法之间的最佳平衡。该文中，在个人层面应用这种混合方法，即每个用户都可以调整他/她自己的个性化的混合参数。有趣的是，笔者发现用户在个性化混合参数和推荐绩效方面相当的不同。如果给每个用户分配最佳的个性化混合参数，那么推荐绩效就会有显著的提高。此外，在收集的项目中笔者发现用户的个性化参数与用户个人等级呈负相关，但是与用户的平均等级呈正相关。根据对这些的理解，该文提出了一个分配给用户合适的个性化参数的策略，它使原来的混合方法得到进一步的改善。最后，该工作突出考虑推荐用户多样性的重要性。

关键词：个性化推荐算法；个性化混合参数

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）10-0192-02

最近几年我们见证了信息爆炸的严重问题。信息的数量，尤其是网络信息，增长量远远超过了我们处理信息的能力。随着网络资源的快速膨胀，极大地增加了对大量信息进行有效过滤的必要性。在这种情况下，推荐系统应运而生。推荐系统根据用户在互联网上活动的历史记录发现他们的潜在兴趣而不是根据用户所提供的指定关键字。到目前为止，基于不同的想法和概念，大量的推荐算法已经被提出，包括：协同过滤算法，基于内容的方法，频谱分析，潜在语义模型和狄利克雷分配，迭代自洽细化以及拓扑适配方法等。而本文我们所研究的内容是基于个性化混合推荐方法（HHP）的进一步改善。

1 个性化混合推荐概述

最近，一些基于扩散推荐算法，如热传导和概率扩散，已经应用于个性化推荐。概率扩散方法倾向于为个性化目标用户推荐受欢迎的产品，然而热传导方法倾向于推荐冷门的产品。不久之后，提出用混合方法（HHP）与热传导算法和概率扩散算法相结合获得更高的推荐绩效。凭借着可调整的混合参数，为HHP方法提供了流畅的从一个方法到另一个方法的过渡。每个真实系统被视为具有其最佳混合参数，同时，通过最近提出的优先选择扩散过程，偏热传导和网络操作，基于扩散推荐算法的性能已经得到增强。

原HHP最优的混合参数具有普遍价值，系统实现了对冷门项目和受欢迎项目的推荐的最佳平衡。那就是说，系统中的所有用户都采用相同的混合参数。然而，HHP方法不考虑实际用户的多样性。事实上，混合算法可以在各体级别上应用，可以调整每个用户他/她自己的个性化混合参数。明确地说，如果用户喜欢收集受欢迎的产品，混合方法应该给予扩散算法更多的权重，因为扩散算法擅长推荐受欢迎的产品，反之亦然。

在这种动机下，在这一篇文章中我们对关于用户的最佳个性化混合参数做了仔细的研究。我们设置两个参照数据（电影推荐和美食推荐），并发现如果分配给所有用户最佳的混合参数，那么，推荐后的绩效就会显著增强。我们也发现每个用户都会有各自不同的最佳个性化混合参数。同时，我们发现用户的个性化参数与用户个人等级呈负相关，但是与用户的平均等级呈正相关。最后，我们提出一个面向用户的HHP（UHHP）算法，在这个算法中，根据每个用户的水平，分配给他们个性化混合参数。模型表明UHHP能进一步提高原HHP算法的绩效。最后，我们的工作突出考虑推荐用户多样性的重要性。

Internet的迅猛发展将人类带入了信息社会和网络经济时代，对企业发展和个人生活都产生了深刻的影响。基于Internet的虚拟企业不再需要传统物理环境下企业所需的实体投资，企业与顾客、供应商等建立起更为直接的联系，电子商务模式为企业发展提供了更多的机会，同时也带来了许多挑战。其中，最为突出的一个问题就是如何实现个性化推荐。

由于供应链和物流的发展，在电子商务的虚拟环境下，商家在网上所能提供的商品种类和数量非常多，用户想找到自己感兴趣的商品，就需要浏览大量的无关信息，这个过程会导致用户不断流失，用户也无法通过一个小小的计算机屏幕就能很方便地发现自己感兴趣的商品。因此，用户亟需电子商务系统具有一种类似采购助手的功能来帮助其选购商品，它能根据用户的兴趣爱好自动地推荐给每个用户可能感兴趣且能让用户满意的商品。

在此情形下，电子商务个性化推荐系统（Personalized Recommender Systems in E-commerce）应运而生，也称个性化推荐系统（Personalized Recommender Systems），它是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。购物网站的推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求。

个性化推荐系统犹如汽车的发动机，将电子商务发展带入一个新的时代：个性化时代。通过数据的积累和分析，通过技术的不断应用和创新，人们在海量资讯的信息时代自由翱翔。

电子商务个性化推荐的框架

电子商务个性化推荐(Personalized Recommendation in E-Commerce)是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的过程。它能收集用户兴趣资料并根据用户兴趣偏好主动为其做出个性化的推荐，这样，当用户每次输入用户名和密码登录电子商务网站后，推荐系统就会自动按照用户偏好程度的高低推荐给用户最喜爱的产品。

按系统的观点，电子商务个性化推荐框架可视为三个模块组成部分，分别是输入、输出和推荐方法与技术，如图1所示。

个性化推荐的输入模块表明从哪里去获取用户的偏好。所以主要涉及两部分，一是用户信息获取的平台，最典型的平台当然是传统的电子商务平台和网站，但随着社会网络（如Facebook、Twitter、Renren等）的应用，基于社会网络的社会商务的广泛应用，社会商务系统也成为获取用户信息的平台。从偏好的表现形式来看，包括隐式浏览输入、显式浏览输入等。显式偏好主要包括用户的评分、用户关系标注等；隐式偏好主要包含用户的浏览、查询等。此外，在移动商务环境下，用户的情景信息，如所在地址、天气等，也是推荐的输入。

【摘要】随着互联网应用的普及，电子商务的迅速发展，消费者在海量商品信息面前无所适从，个性化智能推荐系统可以帮助消费者在这些信息中迅速推提取有价值信息，方便购物的同时提高电子商务零售网站营销能力。因此在电子商务中智能推荐系统具有良好的应用前景。本文针对电子商务个性化智能推荐系统的智能推荐技术、体系结构和发展方向进行了初步研究。

【关键词】个性化；智能化推荐系统；推荐技术

不断扩大规模的电子商务系统，在为消费者提供越来越多购物选择的同时，其自身商业结构也变得更加复杂。消费者经常会迷失在大量的商品信息空间中，无法顺利找到自己需要的商品；另一方面，商家也失去了与消费者之间的联系，不能准确获知消费者的消费需求、消费建议。推荐系统就像商店导购人员，直接面对消费者，为其提供商品推荐。这种能准确获取不同消费者消费需求的推荐系统就是我们要研究的个性化智能推荐系统。

一、电子商务个性化智能推荐系统

个性化智能推荐系统是指通过收集、统计和分析不同消费者消费特征，使用推荐算法研究消费者的兴趣偏好和购买行为，并适时更新数据，实现主动向消费者推荐其所需商品的工作过程。

智能推荐系统运作的中心是准确得出消费者的个体需求，建立以消费者本身消费特征为中心的个性化的营销策略，满足不同消费者的不同偏好。电子商务推荐系统通过个性化推荐技术对网站整体结构进行调整，增加商品的曝光数，提升用户平均访问步长和商品页访问量，从而提高网站整体营销能力。

如何使电子商务个性推荐系统更好地根据消费者的需求推荐消费者感兴趣的商品，答案就在其采用的推荐技术上。推荐技术是电子商务推荐系统中最核心，最关键的技术，很大程度上决定了推荐系统性能的优劣。

二、推荐技术

摘要:个性化推荐系统具有良好的发展和应用前景,几乎所有的大型电子商务购物网站都不同程度地使用了各种形式的推荐系统。在日趋激烈的竞争环境下,个性化推荐系统针对用户特点及兴趣爱好进行商品推荐,能有效地提高电子商务系统的服务能力,从而保留客户。 关键词:个性化推荐;电子商务;购物网站 中图分类号:F713

.1 文献标识码:A 文章编号:1001-828X(2012)08-0-01

一、个性化推荐

1.定义。随着电子商务规模的逐渐扩大,网上商品的种类和数量也快速增长。商品不断丰富,顾客购物选择的余地大大扩展,但顾客往往需要花费大量的时间才能找到合适的商品。这种浏览大量无关信息和商品的过程无疑会给消费者带来极大的不便,从而可能造成客户流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐是根据用户的资料信息、兴趣爱好和以往购买行为,向用户推荐其可能感兴趣的信息和商品。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物过程提供完全个性化的决策支持和信息服务。

2.个性化推荐的作用。成功的个性化推荐系统,向用户推荐他们感兴趣的商品,从而促成交易,即将电子商务网站的浏览者转变为购买者;在用户购买过程中向用户推荐自己确实需要但在购买过程中没有想到的商品,有效提高电子商务系统的交叉销售;为用户提供个性化的推荐服务的同时,与用户建立长期稳定良好的关系,从而有效保留客户,提高客户的忠诚度,防止客户流失。

3.知名购物网站中个性化推荐应用。淘宝网站为例,在登录已买到的宝贝页面,除了可以查看到用户购物历史记录,还有推荐内容,如:“您可能对这些宝贝感兴趣”;购物车页面的推荐,如:“您可能感兴趣的宝贝”“猜你喜欢的”。

当当网为例,网站商有个性化推荐模块网站上有专门栏目“猜你喜欢”,点击进入,再分为“您可能感兴趣的商品”“和您兴趣相似的顾客还关注”;在已购商品页面,有推荐“根据您购买的商品,当当猜您会喜欢”。

进入卓越亚马逊网站,提示用户“您好,请登录以获取为您订制的推荐”。

摘要：个性化推荐系统具有良好的发展和应用前景，几乎所有的大型电子商务购物网站都不同程度地使用了各种形式的推荐系统。在日趋激烈的竞争环境下，个性化推荐系统针对用户特点及兴趣爱好进行商品推荐，能有效地提高电子商务系统的服务能力，从而保留客户。

关键词：个性化推荐；电子商务；购物网站

中图分类号：F713.1 文献标识码：A 文章编号：1001-828X（2012）08-0-01

一、个性化推荐

1.定义。随着电子商务规模的逐渐扩大，网上商品的种类和数量也快速增长。商品不断丰富，顾客购物选择的余地大大扩展，但顾客往往需要花费大量的时间才能找到合适的商品。这种浏览大量无关信息和商品的过程无疑会给消费者带来极大的不便，从而可能造成客户流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐是根据用户的资料信息、兴趣爱好和以往购买行为，向用户推荐其可能感兴趣的信息和商品。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物过程提供完全个性化的决策支持和信息服务。

2.个性化推荐的作用。成功的个性化推荐系统，向用户推荐他们感兴趣的商品，从而促成交易，即将电子商务网站的浏览者转变为购买者；在用户购买过程中向用户推荐自己确实需要但在购买过程中没有想到的商品，有效提高电子商务系统的交叉销售；为用户提供个性化的推荐服务的同时，与用户建立长期稳定良好的关系，从而有效保留客户，提高客户的忠诚度，防止客户流失。

3.知名购物网站中个性化推荐应用。淘宝网站为例，在登录已买到的宝贝页面，除了可以查看到用户购物历史记录，还有推荐内容，如：“您可能对这些宝贝感兴趣”；购物车页面的推荐，如：“您可能感兴趣的宝贝”“猜你喜欢的”。

当当网为例，网站商有个性化推荐模块网站上有专门栏目“猜你喜欢”，点击进入，再分为“您可能感兴趣的商品”“和您兴趣相似的顾客还关注”；在已购商品页面，有推荐“根据您购买的商品，当当猜您会喜欢”。

摘 要：在内忧外患的市场环境下，电信运营商推出大量的电信套餐用以满足用户的各类电信服务需求，但是过量套餐加大了用户选择合适套餐的难度，对用户造成了困扰。针对电信套餐的个性化推荐问题，通过数据挖掘技术构建了基于用户消费行为的电信套餐个性化推荐模型。

关键词：电信套餐；数据挖掘；协同推荐

引言：近几年，随着国内电信市场逐渐饱和，运营商基础通信服务慢慢呈现供大于求的局面，新用户净增数逐年呈下降趋势，三大运营商之间的竞争也日趋白热化，运营商在价格竞争的同时，设计推出大量的电信套餐来满足日新月异的用户需求。然而大量电信套餐的上市行为并没有缓解各大运营商的竞争压力，反而引发一系列的问题[1]：（1）对于用户来说，电信套餐数量庞大，多种套餐的捆绑内容和额度近似，月租费却又相差很多，很难从大量的套餐中快速选择出符合用户需求的套餐，同时用户和套餐的不适配会对用户造成不必要的经济损失，容易引发用户对电信企业形象的负面评价，最终造成用户流失。（2）从企业角度来看，电信企业难以把握用户的需求和市场热点，对于新套餐的推广仍然采用粗放式的广告投放方式，造成用户审美疲劳，高成本，低回报，实际推广效果不理想，造成企业大量资源浪费。因此，电信系统主动向用户推荐合适套餐的研究十分必要。本文对协同过滤算法及其关键技术做了详细分析，并针对电信行业特点设计了电信套餐的个性化推荐模型，并对模型的主要模块进行了详细介绍。

一、协同推荐算法及其关键技术

（一）协同过滤推荐的概念。协同过滤推荐[2]也被称为社会过滤推荐，在社会群体中以兴趣相似度为度量寻找用户间的相关性，或发现项目间的相关性，基于这些关联性进行推荐活动。实现协同推荐主要有三个步骤：步骤1：收集用户偏好数据。步骤2：计算相似度，找到相似用户群或者物品。步骤3：依据推荐策略，进行推荐计算。协同过滤推荐算法根据相似度比较对象的不同，可分为基于用户的协同推荐和基于物品的协同推荐。

（1）基于用户的协同推荐算法。根据历史数据，计算所有用户对产品的喜好程度，并由此找到目标推荐用户的相似邻居集，依据算法原则“邻居用户喜欢的产品，目标推荐用户也可能喜欢”将邻居用户喜欢的产品汇总并排序形成推荐集推荐给目标用户。（2）基于物品的协同推荐算法。根据历史数据，计算所有用户对产品的喜好程度，并由此找到相似物品集，依据算法原则“正在使用物品的相似物品，用户也可能喜欢”将相似物品汇总并排序形成推荐集推荐给目标用户。

（二）相似度计算。在推荐的场景中，需要进行用户间的相似度计算，或者进行物品间的相似度计算，以下为几种常用的相似度计算方法：

（1）欧几里德距离。欧氏距离是最容易理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。两个n维向量a