孙 红，韩 震

(上海理工大学，上海 200093) (上海现代光学系统重点实验室，上海 200093) E-mail ：1114580685@qq.com

1 引 言

随着信息与互联网技术的不断发展，过去信息闭塞与匮乏的时代已经一去不复返，相反，人们进入了一个信息过载的时代.在这个时代当中，无论是消费者还是生产者，都会遇到一个棘手的问题：对于爆炸式增长的信息量，如何从大量信息中快速、准确获取自己需要的信息[1].在这种背景下，为了解决信息过载的问题，推荐系统应运而生.推荐系统不需要用户提供明确的需求，而是通过收集和分析用户的历史行为对用户进行兴趣建模，之后根据建立好的兴趣模型主动给用户推荐所需的信息.推荐系统应用于多个领域，在电影视频推荐领域，Netflix比赛是标志性的视频推荐系统比赛，旨在提高视频推荐系统的推荐效果[2]，另外尤其是在电子商务平台领域中，例如eBay，亚马逊，天猫，京东等等，推荐系统的推荐效果好坏对电子商务的发展有着巨大的影响[3].由此可见推荐系统的重要性，推荐系统的性能好坏最主要取决于推荐算法的优劣.传统的推荐算法有基于内容的推荐、基于标签的推荐、协同过滤推荐和混合推荐等等[4，5].随着互联网技术的发展，数据结构变得多样化和复杂化，对传统的推荐算法构成了一定的挑战，传统算法的不足之处也越来越明显.例如，基于内容的推荐算法原理是提取用户购买过的物品的特征，根据这些特征寻找具有相似性的物品推荐……