朱雨晗

（浙江省富阳中学，浙江杭州，311400）

1 研究背景

近现代以来，随着以通信技术和计算机技术为代表的信息技术得到快速发展的同时也带来了海量的数据积累，如何在这些琳琅满目的数据中找到自己所需要的东西成为难题。在这种背景下，推荐系统能够实现在信息过载的环境下为人们提供其感兴趣的信息消费需求方案[1]。虽然推荐系统只有几十年的发展，但已基本成为互联网各个领域的标配，如抖音的“朋友圈”、今日头条的“关注”，淘宝的“猜你喜欢”等。

虽然推荐系统给我们的生活带来了诸多便利，但其仍存在个性化程度不足、推荐精度低、受干扰信息影响大等缺点。个性化推荐系统的目标用户是单独个体，每个人的兴趣偏好不尽相同，然而许多网站的推荐系统只是泛泛而谈，将有一定差别的用户兴趣属性一视同仁，导致所给出的推荐项目针对目标太广泛，不具有很强的个性化，对一名用户的实际帮助程度有限。如果一个用户把他的社交应用的账号分享给了兴趣与他不同的一位好友，或者用户自身浏览了一些文章却发现自己对其兴趣不大，那么这些实际上并不是用户兴趣的东西就会成为推荐系统输入端的干扰项，影响推荐结果的准确性。进行重要性赋权能够降低这些干扰信息和一些用户恶意输入的错误信息的影响。新的应用，或者新的用户往往没有足够的用户数据来支持推荐。此外，大众文化和社交环境的碎片化导致了信息的碎片化，使得不同的应用无法获得足够的用户信息，对用户的兴趣属性很难有一个精准的定位来进行准确的推荐。……