陈庆章, 汤仲喆，王 凯，姚 敏，裴玉洁

(浙江工业大学 计算机科学与技术学院, 浙江 杭州 310023)

1 绪论

随着网络中信息量的迅速增长，信息种类也日趋繁多，用户通过互联网要获得自己感兴趣的资料需要花费越来越多的时间。由此催生了信息推荐系统。信息推荐系统的基本作用是依据用户曾经的访问记录，分析用户的喜好，然后当用户登录网上应用系统时，推荐适合用户喜好的资料给用户，供用户选择。从而节省用户检索信息的时间。

鉴于推荐系统(Recommender System)[1-2]能满足用户个性化的需求，节省用户搜寻信息的时间，同时可以帮用户及时获得最新与自己喜好相关的信息，它已被广泛的应用于电子商务网站[3-7]中。

1.1 网上推荐系统研究现状

网上推荐系统的主要推荐技术可分为： 非个性化的推荐技术(Non-Personalized Recommendation)、基于属性的推荐技术(Attribute-based Recommendation)、物品关联式推荐技术 (Item-to-Item Correlation)和人物关联式推荐技术(People-to-People Correlation)。推荐技术的主要推荐方式分为基于内容的过滤方式(Content-Based Filtering)和合作过滤方式(Collaborative Filtering)。基于内容的过滤是利用信息与用户兴趣喜好的相似性来过滤信息。其优点是简单、有效，但是只能推荐用户以前看过或类似的信息，不能发掘新的用户感兴趣的信息。合作过滤方式是基于其他用户的选择将信息推荐给用户，其优点是能为读者发现新的感兴趣的信息，但也存在着许多问题，如早期评估者问题，稀疏问题和新近的项目的推荐问题等。已经有很多学者对推荐系统进行了研究，国内的推荐系统做的比较成功的网站有豆瓣、当当网、淘宝网和京东商城等。……