《推薦系統：技術、評估及高效算法》一第3章Recommender Systems Handbook基于内容的推薦系統：前沿和趨勢

本節書摘來自華章出版社《推薦系統：技術、評估及高效算法》一書中的第3章，作者 [ 美］弗朗西斯科·裡奇（francesco ricci）利奧·羅卡奇（lior rokach）布拉哈·夏皮拉（bracha shapira）保羅 b.坎特（paul b.kantor），更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視

pasquale lops、marco de gemmis和giovanni semeraro　pasquale lops,department of computer science,university of bari“aldo moro”,via e.orabona,4,bari(italy) e-mail:[email protected]

marco de gemmis,department of computer science,university of bari“aldo moro”,via e.orabona,4,bari(italy) e-mail:[email protected]

giovanni semeraro,department of computer science,university of bari “aldo moro”,via e.orabona,4,bari(italy) e-mail:[email protected]

翻譯：吳濤，吉林大學丁彬钊，徐世超　稽核：胡聰（胡戶主），北京大學王雪麗，鄭州大學吳賓

摘要　推薦系統以個性化的方式指引使用者在衆多選擇中找到感興趣的東西。基于内容的推薦系統會發掘使用者曾經喜歡的産品，進而嘗試去推薦類似的産品使其滿意。事實上，基于内容的推薦系統主要的處理方式在于利用使用者已知的偏好、興趣等屬性和物品内容的屬性相比對，以此為使用者推薦新的感興趣的物品。本章概述了各種基于内容的推薦系統，目的是在其各種設計原理和實作方法中理出頭緒。本章第一部分介紹了基于内容推薦的基本概念、專業術語、高層次的體系結構和主要的優缺點。第二部分通過詳盡描述能夠表示物品和使用者資訊的經典先進技術，給出了幾個應用領域内使用的最先進技術的概述。同時，也闡述了一些被廣泛使用的學習使用者興趣的技術。最後一部分讨論了推薦系統的趨勢和下一代推薦系統的研究方向，其中描述了考慮到在詞彙表不斷演變情況下使用者産生内容（ugc）的作用，以及為使用者提供一些偶然性的推薦的挑戰，即推薦出乎意料地能夠讓使用者感興趣，而又無法通過其他方法發現的物品。