《推荐系统：技术、评估及高效算法》一第3章Recommender Systems Handbook基于内容的推荐系统：前沿和趋势

本节书摘来自华章出版社《推荐系统：技术、评估及高效算法》一书中的第3章，作者 [ 美］弗朗西斯科·里奇（francesco ricci）利奥·罗卡奇（lior rokach）布拉哈·夏皮拉（bracha shapira）保罗 b.坎特（paul b.kantor），更多章节内容可以访问云栖社区“华章计算机”公众号查看

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]

翻译：吴涛，吉林大学丁彬钊，徐世超　审核：胡聪（胡户主），北京大学王雪丽，郑州大学吴宾

摘要　推荐系统以个性化的方式指引用户在众多选择中找到感兴趣的东西。基于内容的推荐系统会发掘用户曾经喜欢的产品，从而尝试去推荐类似的产品使其满意。事实上，基于内容的推荐系统主要的处理方式在于利用用户已知的偏好、兴趣等属性和物品内容的属性相匹配，以此为用户推荐新的感兴趣的物品。本章概述了各种基于内容的推荐系统，目的是在其各种设计原理和实现方法中理出头绪。本章第一部分介绍了基于内容推荐的基本概念、专业术语、高层次的体系结构和主要的优缺点。第二部分通过详尽描述能够表示物品和用户信息的经典先进技术，给出了几个应用领域内使用的最先进技术的概述。同时，也阐述了一些被广泛使用的学习用户兴趣的技术。最后一部分讨论了推荐系统的趋势和下一代推荐系统的研究方向，其中描述了考虑到在词汇表不断演变情况下用户产生内容（ugc）的作用，以及为用户提供一些偶然性的推荐的挑战，即推荐出乎意料地能够让用户感兴趣，而又无法通过其他方法发现的物品。