大数据与推荐系统

李翠平; 蓝梦微; 邹本友; 王绍卿; 赵衎衎

doi:10.11959/j.issn.2096-0271.2015026

您当前的位置：

首页 >

文章列表页 >

大数据与推荐系统

专题：网络大数据 | 更新时间：2024-06-03

- 大数据与推荐系统
- Big Data and Recommendation System
- 大数据 2015年1卷第3期页码：16-28
- 作者机构：
- 作者简介：
  
  [ "李翠平，女，中国人民大学信息学院教授、博士生导师，中国计算机学会杰出会员，中国计算机学会大数据专家委员会、数据库专家委员会委员。目前研究方向为数据仓库、数据挖掘、社会网络分析和社会媒体推荐等。主持和参与国家自然科学基金、“973”计划、“863”计划等10多项国家级和省部级项目，在国内外重要期刊和国际会议上发表论文50多篇。" ]
  [ "蓝梦微，女，中国人民大学信息学院博士生，CCF学生会员，主要研究领域为推荐系统、数据挖掘、大数据分析。" ]
  [ "邹本友，男，中国人民大学信息学院博士生，CCF学生会员，主要研究领域为推荐系统、数据挖掘、大数据分析。" ]
  [ "王绍卿，男，中国人民大学信息学院博士生，CCF学生会员，主要研究领域为推荐系统、数据挖掘、大数据分析。" ]
  [ "赵衎衎，男，中国人民大学信息学院博士生，CCF学生会员，主要研究领域为推荐系统、数据挖掘、大数据分析。" ]
- 基金信息：
  
  国家重点基础研究发展计划（“973”计划）;The National Basic Research Program of China(973 Program)(2014CB340402);国家高技术研究发展计划（“863”计划）基金资助项目;National High Technology Research and Development Program of China (863 Program)(2014AA015204);国家自然科学基金资助项目;The National Natural Science Foundation of China(61272137);国家自然科学基金资助项目;The National Natural Science Foundation of China(61033010);国家自然科学基金资助项目;The National Natural Science Foundation of China(61202114);国家社会科学基金重大项目“云计算环境下的信息资源集成与服务研究”;The National Social Science Foundation of China : Major Research Project(12＆ZD220);国家高等学校学科创新引智计划（“111”计划）基金资助项目;The Project of Attracting Talents of Discipline to National Universities (111 Project)
- DOI：10.11959/j.issn.2096-0271.2015026
  中图分类号： TP311.13
- 网络首发：2015-06，
  
  纸质出版：2015-06-20
- 稿件说明：
移动端阅览
李翠平, 蓝梦微, 邹本友, 等. 大数据与推荐系统[J]. 大数据, 2015,1(3):16-28.

Cuiping Li, Mengwei Lan, Benyou Zou, et al. Big Data and Recommendation System[J]. BIG DATA RESEARCH, 2015, 1(3): 16-28.
李翠平, 蓝梦微, 邹本友, 等. 大数据与推荐系统[J]. 大数据, 2015,1(3):16-28. DOI： 10.11959/j.issn.2096-0271.2015026.

Cuiping Li, Mengwei Lan, Benyou Zou, et al. Big Data and Recommendation System[J]. BIG DATA RESEARCH, 2015, 1(3): 16-28. DOI： 10.11959/j.issn.2096-0271.2015026.

摘要

随着大数据时代的来临，网络中的信息量呈现指数式增长，随之带来了信息过载问题。推荐系统是解决信息过载最有效的方式之一，大数据推荐系统已经逐渐成为信息领域的研究热点。介绍了推荐系统的产生及其在大数据时代的发展现状、推荐系统的领域需求和系统架构、大数据环境下推荐系统的挑战及其关键技术、开源的大数据推荐软件、大数据推荐系统研究面临的问题，最后探讨了大数据推荐系统的未来发展趋势。

Abstract

In big data era

recommendation system is the key means to tackle the issue of “information overload”.Recommendation system has been widely applied to many domains.The most typical and promising domain is the e-commence.Recently

with the rapid development of e-commence

recommendation system becomes more and more important and is promoted as a hot research field.The history and development of recommendation system

its domain requirements and system architecture

its characteristics and challenges under big data environment

its key techniques

open source big data recommendation systems were introduced.And at last

the open research problems and future trends of bid data recommendation system were discussed.

关键词

Keywords

references

曾春 , 邢春晓 , 周立柱 . 个性化服务技术综述 . 软件学报 2002 ( 10 ): 1952 ～ 1961 .

Zeng C , Xing C X , Zhou L Z . A survey of personalization technology . Journal of Software , 2014 ( 10 ): 1952 ～ 1961 .

Bell R M , Koren Y . Lessons from the Netflix prize challenge . ACM SIGKDD Explorations Newsletter , 2007 , 9 ( 2 ): 75 ～ 79

Rendle S . Factorization machines with libFM . ACM Transactions on Intelligent Systems & Technology , 2012 , 3 ( 3 ): 451 ～ 458

Su X , Khoshgoftaar T M . A survey of collaborative filtering techniques . Advances in Artificial Intelligence , 2009 : 421 ～ 425

Chee S H S , Han J , Wang K . Rectree: an efficient collaborative filtering method . Proceedings of Data Warehousing and Knowledge Discovery: Third International Conference ,Munich,Germany, 2001

Connor M , Herlocker J . Clustering items for collaborative filtering . Proceedings of ACM SIGIR Workshop on Recommender Systems ,New Orleans,Louisiana,USA , 2001

Ungar L H , Foster D P . Clustering methods for collaborative filtering . Proceedings of AAAI Workshop on Recommendation Systems ,Madison,Wisconsin,USA, 1998

Miyahara K , Pazzani M J . Collaborative filtering with the simple bayesian classifier . Proceedings of the 6th Pacific Rim International Conference on Artificial Intelligence ,Melbourne,Australia, 2000 : 679 ～ 689

Miyahara K , Pazzani M J . Improvement of collaborative filtering with the simple bayesian classifier . IPSJ Journal , 2002 , 43 ( 11 ): 3429 ～ 3437

Vucetic S , Obradovic Z . Collaborative filtering using a regression-based approach . Knowledge and Information Systems , 2005 , 7 ( 1 ): 1 ～ 22

Paterek A . Improving regularized singular value decomposition for collaborative filtering . Statistics , 2007 : 2 ～ 5

Koren Y . Factorization meets the neighborhood: a multifaceted collaborative filtering model . Proceedings of the 14th ACM SIGKDD Conference on Knowledge Discovery and Data Mining ,Las Vegas,Nevada,USA, 2008 : 426 ～ 434

Lee D , Seung H . Algorithms for non-negative matrix factorization . Proceedings of Neural Information Processing Systems ,Denver,Colorado,USA, 2000

Sun J T , Zeng H J , Liu H , et al . CubeSVD:a novel approach to personalized Web search . Proceedings of the 14th International Conference on World Wide Web ,Chiba,Japan, 2005 : 382 ～ 390

Steffen R , Leandro B M , Alexandros N , et al . Learning optimal ranking with tensor factorization for tag recommendation . Proceedings of the 15th ACM SIGKDD Conference on Knowledge Discovery and Data Mining ,Paris,France, 2009 : 727 ～ 736

王俞翔 . 面向大数据集的推荐系统研究（硕士学位论文） . 秦皇岛：燕山大学 , 2014

Wang Y X . Research on recommender system for big dataset (master dissertation) . Qinhuangdao: Yanshan University , 2014

黄宜华 . 大数据机器学习系统研究进展 . 大数据 , 2014 004

Huang Y H . Research progress on big data machine learning system . Big Data Research , 2014 004

米可菲 , 张勇 , 邢春晓等 . 面向大数据的开源推荐系统分析 . 计算机与数字工程 , 2013 , 41 ( 10 ): 1563 ～ 1566

Feben T , Zhang Y , Xing C X , et al . An analysis of open source recommender systems in the big data era. . Computer and Digital Engineering , 2013 , 41 ( 10 ): 1563 ～ 1566

孙远帅 . 基于大数据的推荐算法研究（硕士学位论文） . 厦门：厦门大学 , 2014

Sun Y S . Recommendation algorithms in the big data era (master dissertation) . Xiamen: Xiamen University , 2014

刘士琛 . 面向推荐系统的关键问题研究及应用(博士学位论文) . 合肥：中国科学技术大学 , 2014

Liu S C . Research on the key issues for the recommender systems (doctor dissertation) . Hefei: University of Science and Technology of China , 2014

浏览量

674

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

联邦推荐系统综述

面向大数据的可扩展正则采样并行排序算法

基于大数据技术的甘肃智慧旅游系统

大数据与计算模型

“东数西算”战略与问题的分析研究