宋恺涛 彭甫镕 陆建峰

(南京理工大学计算机科学与工程学院, 南京, 210094)

引 言

随着互联网的普及，中国的互联网用户数量已经在2015年超过了9.7亿。互联网的快速发展，促使了移动端电子商务的快速发展。越来越多快捷方便的基于移动端的O2O(Online to offline)电子商务应用出现。个性化推荐系统的出现为移动互联网的信息过载提供了帮助。个性化推荐系统帮助移动端用户快速寻找并向其推荐感兴趣的商品、服务。因此，对个性化推荐技术的研究，也成为了当前的一个研究热点。

协同滤波[1]是目前推荐系统中主流的一种个性化推荐算法。1992年，Xerox公司在针对Palo Alto研究中心的信息重载问题中设计了Tapestry，该系统首次引入了协同滤波的概念。1994年，GroupLens提出后，协同滤波得到大幅度发展，许多电子商务网站都开始采用协同滤波算法为用户提供个性化推荐服务。基于协同滤波的推荐算法，相比于常规的基于关联规则、基于内容等推荐算法而言，拥有自动分析兴趣的优点，能够体现个性化推荐的优点，结果直观，易解释。协同滤波可以分为基于用户(User-based)的协同滤波和基于物品(Item-based)的协同滤波。基于用户的协同滤波通过分析不同用户来进行推荐，该算法能够挖掘用户的潜在兴趣。但是在目前的应用场景下，用户的数量规模日益庞大，使得基于用户分析兴趣的性能逐渐下降。Item-based协同滤波算法是对用户的评分数据进行分析。该算法通过采用常规相似性度量来分析项目的最近邻居，向预测评分值较高的用户推荐相似项。……